WO2013153184A1 - Procede et systeme de pilotage d'une installation de gestion de l'energie - Google Patents

Procede et systeme de pilotage d'une installation de gestion de l'energie Download PDF

Info

Publication number
WO2013153184A1
WO2013153184A1 PCT/EP2013/057636 EP2013057636W WO2013153184A1 WO 2013153184 A1 WO2013153184 A1 WO 2013153184A1 EP 2013057636 W EP2013057636 W EP 2013057636W WO 2013153184 A1 WO2013153184 A1 WO 2013153184A1
Authority
WO
WIPO (PCT)
Prior art keywords
agents
energy
agent
installation
elements
Prior art date
Application number
PCT/EP2013/057636
Other languages
English (en)
Inventor
Benoît LACROIX
David Mercier
Cédric Paulus
Original Assignee
Commissariat A L'energie Atomique Et Aux Energies Alternatives
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Commissariat A L'energie Atomique Et Aux Energies Alternatives filed Critical Commissariat A L'energie Atomique Et Aux Energies Alternatives
Priority to EP13714981.1A priority Critical patent/EP2836880A1/fr
Priority to US14/390,339 priority patent/US20150066229A1/en
Publication of WO2013153184A1 publication Critical patent/WO2013153184A1/fr

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05F—SYSTEMS FOR REGULATING ELECTRIC OR MAGNETIC VARIABLES
    • G05F1/00—Automatic systems in which deviations of an electric quantity from one or more predetermined values are detected at the output of the system and fed back to a device within the system to restore the detected quantity to its predetermined value or values, i.e. retroactive systems
    • G05F1/66—Regulating electric power
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41845—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by system universality, reconfigurability, modularity
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Definitions

  • the invention relates to a method and a control system of an energy management installation.
  • a targeted application relates to the field of energy management of a building or several buildings, or heat networks, including the control of thermal systems for the building (s).
  • document EP-A1 -1635286 proposes a system for controlling energy elements, described in the form of consumer agents and energy generating agents, connected through a network enabling them to communicate. These agents are able to negotiate to determine the amount of energy that a producing agent must send to a consumer agent. Through an auction system, consumers are allocated a certain amount of energy. The offers can in particular take into account the cost of electricity. But the negotiations between the agents only concern a quantity of energy. It can not therefore be used to optimize consumption a system in which some of the producing elements have a cost that is not directly related to the quantity produced. In addition, it is not intended to optimize according to different criteria.
  • this approach has been designed to respond to issues specific to electrical energy, and it can not meet the specificities introduced when certain producers produce and deliver thermal energy, for example via aeraulic vectors and / or or hydraulic.
  • thermal energy the production of certain producers is dependent on the distribution means used: for example, the efficiency of a heat pump depends on the flow of air passing through it, a flow of air that is itself the carrier of energy.
  • carriers can verify the existence and availability of a link between a consumer and an energy producer. However, they do not take into account the distribution costs associated with the transportation of energy. These costs may be, for example, losses, or the operating cost of the actuators of the installation, such as ventilators in a Vogellic or circulators in hydraulics.
  • WO2008 / 014562 a distributed energy management system architecture is proposed. It relies on different agents representing energy resources, who can communicate with each other. A specific agent, called stockbroker, provides control of the system. However, this approach is dedicated to the use of electrical energy, and does not allow to integrate the physical constraints of thermal energy distribution. It is also not suitable for managing building energy systems, which require the representation of complex and interdependent resources. Many scientific publications are also interested in multi-agent approaches.
  • a first category of approaches is concerned with the energy management of buildings.
  • Abras et al "Advantages of MAS for the resolution of a power management problem in smart homes” proposes a system of energy control in the habitat, from a multi-agent modeling based on a mechanism to two levels: one layer provides responsive control of the system, and one anticipative layer performs longer-term planning.
  • the approach is restricted to the control of electrical systems.
  • a second category of approaches focuses on applications involving non-electrical distribution vectors, such as hydraulics.
  • non-electrical distribution vectors such as hydraulics.
  • a multi-agent modeling is used to optimize the operation of heat networks, the aim being to minimize the energy consumption of a water network. hot water providing heating and hot water production functions.
  • the system is described as producer agents, redistribution agents and consumer agents.
  • the redistribution agents have the role of recovering the consumption of their customers as well as their forecasts, and to provide this information to the agent producer, who controls the demand.
  • the approach takes into account the constraints specific to hydraulic networks, such as the production time and the inertia of the systems.
  • Document GB2448896 proposes a building management system based on a set of sensors for estimating the thermal characteristics of the energy converters, the thermal properties of the building, its occupancy profile, as well as a forecast of the demand for energy. energy. With these elements, a schedule is prepared, using a centralized optimization method, and a reactive correction is added in case of observed deviation.
  • the proposed model takes into account some of the new sources of energy production, such as photovoltaic solar panels and heat pumps. Nevertheless, the automatic load recognition system used for the estimation does not allow to take into account energy sources such as solar thermal panels. Moreover, the approach does not take into account the consumption of distribution auxiliaries. Finally, the optimization process used is based solely on the minimization of heat losses and does not allow to take into account different optimization criteria.
  • the document WO201 1/072332 proposes a method and a system for controlling the ventilation, heating and cooling of buildings.
  • the method is based on a thermal model of the building, and realizes an optimization based on the price of electricity, the weather forecasts and the satisfaction of the users.
  • the proposed method relies solely on a simplified model of the building, which does not integrate the specificities of the different energy sources and does not take into account the distribution auxiliaries.
  • the proposed optimization method does not optimize according to different criteria and is not extensible to the consideration of domestic hot water production.
  • US7783390 discloses methods and systems for optimizing demand control and power generation. The principle used is to shift the consumption of appliances to the periods during which energy is the least expensive and to supply energy to the grid when the price of energy is high.
  • the approach is focused solely on electrical resources and does not consider the thermal of the building. Object of the invention
  • the aim of the present invention is to propose a control solution for an installation that manages energy and overcomes the disadvantages listed above.
  • an object of the invention is to provide a solution that allows optimization of energy management according to different criteria of energy consumption (in particular the operating cost and the environmental cost).
  • Another object of the invention is to provide a solution that takes into account the specificities of new energy sources (solar thermal panels, heat pumps, etc.).
  • Another object of the invention is to provide a solution that takes into account the specificities of the energy transport vectors (in particular the hydraulic and aeraulic vectors) and the costs associated with them.
  • Another object of the invention is to provide a solution that increases the reusability of the developed systems.
  • a method for controlling an energy management installation comprises:
  • a modeling phase of the installation comprising: a step of developing a multi-agent control system including at least consumer agents, distributors and energy producers representative at least of an operation associated with elements of the installation respectively consumers, distributors and producers of energy, each of the agents integrating a model implemented by a calculator,
  • the models of energy distributors taking into account characteristics relating to the distributor elements of the installation, including distribution constraints and / or energy consumption and / or the financial and / or environmental costs of distribution and / or influence of the operation of the distributor elements on the operation of the producing elements,
  • a regulation phase of the installation comprising:
  • an optimization step using the integrated models of the control system agents so as to optimize the way of producing the energy by the producing agents, to distribute it by the distributor agents and to allocate it to the consumer agents, according to optimization criteria based on the energy consumption of the installation and / or on at least one other criterion such as the operating cost and / or the environmental cost of the installation and / or weather forecasts and / or or comfort parameters and / or observed and / or expected behavior of the users of the installation, a step of controlling the actuator elements of the installation based on the results of the optimization step from the implementation of integrated models to agents.
  • a control system of an energy management installation may comprise software and / or hardware elements that implement the control method.
  • it can be a management system that is thermal systems of a building, the elements for example, heating and / or ventilation and / or air conditioning and / or hot water production elements, either of a heat network or of an installation coupling thermal energy and electrical energy.
  • a third aspect of the invention relates to a computer-readable data recording medium, on which is recorded a computer program comprising computer program code means for implementing the phases and / or steps of the control method. .
  • a fourth aspect of the invention relates to a computer program comprising computer program code means adapted to the realization of the phases and / or steps of the control method, when the program is executed on a computer.
  • FIG. 1 is a schematic view of the description of the installation by an agent-based control system
  • FIG. 2 is a flowchart representing the phases and the successive steps of an exemplary control method according to the invention
  • FIG. 3 is a simplified diagram of an example of an installation on which the solution according to the invention could be applied
  • FIG. 4 is a schematic view of the modeling methodology of the installation of FIG. 3 in the form of a multi-agent control system
  • FIG. 5 is a graphical representation of an example of an algorithm implementing the main control system control loop (case of a centralized execution) applied to the case of FIGS. 3 and 4,
  • FIG. 6 is a graphical representation of the various steps of the optimization process applied to the case of FIGS. 3 and 4;
  • FIG. 7 is a modeling of the installation of FIG. 3 in the form of a multi-control system; agents
  • FIG. 8 represents the observed values of the temperature sensors of the installation over a period of 24 hours
  • FIG. 9 represents the commands of the various actuator elements of the installation calculated by the control system over the 24-hour period.
  • a control solution that is to say a control method and a control system, of a physical management installation of the energy.
  • a particular nonlimiting application targeted by the invention relates to the field of energy management of a building, including the control of elements or thermal systems for the building.
  • the physical installation mainly manages thermal energy dedicated to the building from various sources of energy.
  • the principle of the invention can be applied to any energy management installation, such as for example electrical energy or even a heat network installation, including several buildings.
  • the optional steps are illustrated by a dashed box.
  • the solution is to design and implement a control system to control the physical elements (actuators), ie the equipment of the installation and the distribution auxiliaries, which provide energy functions (for example thermal functions in building, such as heating, air conditioning, ventilation or domestic hot water production).
  • actuators ie the equipment of the installation and the distribution auxiliaries, which provide energy functions (for example thermal functions in building, such as heating, air conditioning, ventilation or domestic hot water production).
  • control system thus designed is used to perform an optimization of the energy management of the installation according to various criteria, selected by the user and based for example on the energy consumption of the installation and / or on at least another criterion such as the operating cost and / or the environmental cost of the installation.
  • One of the objectives of the control system is to ensure the management of the energy elements of the installation (for example the thermal elements of the building) while respecting the specifications (for example the comfort of the inhabitants of the building). In current approaches, this management of the energy elements of the installation is most often optimized according to the sole criterion formed by the total energy consumption of the installation.
  • control system aims to be configured for be able to achieve an optimization for example on an environmental or financial cost, according to the wishes of the user.
  • the energy (for example of a thermal nature) is transported by specific vectors, for example hydraulic or a somehowlic, at the distributor elements of the installation. This is the case for example of the energy produced by solar thermal panels.
  • These transport vectors imply the existence of physical connections between elements of the installation, which induce constraints during the optimization.
  • auxiliaries transporting thermal energy (for example, fans or circulators) account for a growing share of energy consumption, particularly in buildings with low energy consumption or positive energy (16%). on average in "BBC" buildings for "low energy buildings” residential or tertiary, and up to 30% in some cases). It is therefore necessary to explicitly integrate these constraints and these auxiliaries in the optimization process of the installation to improve its management.
  • the solution plans to model the installation with an agent-based virtual control system, explicitly integrating modeling of the distribution network.
  • the control system integrates in this modeling on the one hand a model for calculating the distribution costs associated with the transport of energy (these costs can be for example losses, or the operating cost of the actuators, such as fans or circulators) and on the other hand a process that makes it possible to optimize the operation of production with regard to distribution.
  • a physical energy management facility consists of a set of elements that consume, produce or distribute energy. All these elements (also called “devices”) are physically connected to each other by a power distribution network using an energy transport vector such as for example of a Vogellic or hydraulic nature.
  • the installation also comprises a set of sensor elements, and a set of actuator elements.
  • the objective is to design such a control system and then determine, at each time step of a subsequent control phase P2, the state that will be assigned to each of the actuator elements of the physical installation.
  • the proposed method is based on a first modeling phase P1, in which the installation physical is described as a multi-agent control system. Once this description has been completed, the proposed control system automatically regulates the physical installation according to the method described in phase P2.
  • the phase P1 of modeling of the installation comprises a step E1 of developing a multi-agent control system (detailed in FIG. 1) including at least representative consumer, distributor and energy producer agents. at least one operation associated with elements of the installation respectively consumers, distributors and producers of energy.
  • Each of the agents integrates a model implemented by a calculator.
  • the models of energy distributing agents take into account characteristics relating to the distributor elements of the installation, including distribution constraints and / or energy consumption and / or the financial and / or environmental costs of distribution and / or the influence of the operation of the distributor elements on the operation of the producing elements.
  • the physical installation is first modeled as a multi-agent control system 100 composed of different agents.
  • the control system 100 firstly contains software representations of the sensor elements 1 10 (physical) and actuator elements 120 of the physical installation (here associated with a building 130).
  • the software representations are intended to ensure the link between the control (or control) of the software type vis-à-vis the hardware elements 1 10, 120.
  • the control system 100 also contains a representation in the form of agents of the devices, the distribution network, and complementary elements in relation to the system. Different types of agents are distinguished according to their function:
  • consumer agent 150 an element of the installation whose function is to consume energy (for example to ensure the comfort of the building occupant by using thermal energy produced and distributed) is modeled in the control-system by a consumer agent 150 ("consumer i", i ranging from 1 to m),
  • distributor agent 160 an element of the installation whose function is to distribute energy between the producing elements and the consumer elements is modeled in the control system by a distributor agent 160 ("distributor", i varying from 1 to k) .
  • a distributor agent 160 thus modeled a subpart of the distribution network, most often associated with one or more actuators of the installation. It can be considered that each distribution agent 160 of the control system is associated with at least one other "provider" type agent and at least one other "client” type agent.
  • an element of the installation or outside the installation whose function is to provide the control system 100 information ("information i", i ranging from 1 to p) complementary to the real environment of the physical installation is modeled in the control system 100 command by an environmental agent 170.
  • phase P2 of regulating the installation comprises:
  • an optimization step E10 using the integrated models of the control system agents so as to optimize the way of producing the energy by the producing agents, to distribute it by the distributor agents and to allocate it to the consumer agents, according to optimization criteria based on the energy consumption of the installation and / or on at least one other parameter such as the operating cost and / or the environmental cost of the installation and / or the weather forecast and / or or comfort parameters and / or the behavior observed and / or expected of the users of the installation, a step E17, 18 of control of the actuator elements of the installation, the manner of ordering them being based on the results of the optimization step from the implementation of integrated models to the control-command system agents.
  • the notion of "behavior" in the previous paragraph incorporates all the useful behavioral characteristics but also the aspects related to the presence or the absence of the users, their habits of heating, refreshing and consumption of domestic hot water ...
  • Each agent of the control system is thus associated with an internal model that differs according to the type of agent.
  • the internal model associated with each distributor agent of the multi-agent control system calculates a distribution cost due to the energy transfer by the distributor agent associated with a given energy requirement and / or the resources needed for the distribution agent. distributor agent, associated with this energy need.
  • the internal model associated with each producing agent of the multi-agent control system calculates the necessary energy resources that the producing agent can provide to the distributing agents and / or a need in energy to be supplied to the producing agent to produce these necessary resources and / or a cost of producing the necessary resources.
  • the internal model associated with each consumer agent of the multi-agent control system calculates energy needs to be provided to the consumer agent and / or satisfaction associated with resources received by the consumer agent.
  • These internal models can for example be energy models, which perform a balance on a device or sub-part of the distribution network of the installation. They can also be models characterizing the operation of a device according to external parameters. Finally, they can be prediction models for estimating the value or future state of an element of the installation. Existing approaches are based solely on a thermal model of the building or on the estimation of the contribution of different devices. In contrast to that in the solution according to the invention, the integration of an operating model of each of the devices (producing elements and / or distributors and / or consumers) and of models representing the distribution network makes it possible to take account of new elements, such as the contribution of solar thermal panels, the specificities of operation of heat pumps, or the influence of the energy distribution methods produced, on the production of this energy.
  • the development step E1 may optionally include a step E2 for providing the environmental agents used during the optimization step E10.
  • These environmental agents belong to the multi-agent control system and are representative of parameters external to the facility, such as the financial cost associated with the energy from which the generating elements of the facility generate energy and / or or the operating cost and / or environmental cost and / or weather forecasts and / or comfort parameters and / or observed and / or expected behavior of the users of the facility.
  • the phase P1 for modeling the physical installation by the multi-agent control system 100 also comprises a step E3 for setting up software representations 190, 195 associated with sensor elements 1 10 and / or actuator elements 120 of the installation.
  • the software representation 190 associated with each sensor element 1 10 of the installation and the software representation 195 associated with each actuator element 120 of the installation is associated on the one hand with a history and a forecast whose values are observable by the agents of the control system 100, and secondly to a single agent of the control system 100 responsible for updating this software representation.
  • the agent with which the software representation 190 associated with a given sensor element 1 10 is associated contains a prediction model implemented by a computer configured to perform a prediction of the software representations 190 of the sensor elements 1 10 associated therewith.
  • the agent associated with the software representation 195 of a given actuator element 120 contains a planning model implemented by a computer configured so as to perform a planning of the software representations 195 of the actuator elements 120 associated therewith. These models can also be contained directly in the software representation of the sensors 190 or the actuators 195.
  • control phase P2 of the physical installation can be provided in the manner described below with reference to the steps E4 to E18 ( Figure 2).
  • This description corresponds to a centralized implementation of the approach, that is to say in the case where all the agents would be executed on the same computer.
  • the approach is also quite applicable in the case of a decentralized implementation, that is to say in the case where one or more agents would be executed on different computers (an agent representing a device can for example be deported on a calculator on the device itself).
  • the regulation phase P2 comprises a step E4 of receiving by the multi-agent control system 100 values from the sensor elements of the installation and a step E5 initialization of the multi-agent control system 100 from the values received in the receiving step E4.
  • the initialization step E5 comprises a step E6 of updating the control system 100 during which each of the agents of the control system 100 updates the forecast of the software representations 190 associated with the sensor elements 1 associated with this agent, from the values received at the reception step E4 and from the implementation of the prediction model by a calculator.
  • the instantaneous values of the sensor software representations 190 associated with the sensor elements 1 10 are updated with the values observed in the physical installation.
  • all the agents of the control system 100 update the prediction of each software representation of the sensors 190 for which they are responsible.
  • the initialization step E5 also comprises a determination step E7:
  • Steps E6 and E7 can be performed simultaneously or sequentially, in any order between them.
  • the operation can therefore be the following: an agent, when it receives the observed value of a sensor element 1 10, updates the instantaneous value of the software representation 190 associated with this sensor element 1 10. It then immediately sets to energy needs forecast (if it is a consumer agent 150) or its energy resource forecast (if it is a producer agent 140), without waiting for all the values of 10 sensors were received by all agents of the system. Steps E6 and E7 are then combined.
  • step E5 can advantageously be implemented in this way. This second possibility offers the advantage of greater flexibility to the system. In other words, based on their internal model during the initialization step E5, the consumer agents 150 of the control system 100 then build their energy demand forecast to meet their objective function, and the production agents 140 of the control system 100 Control System 100 build their resource forecast and associated costs.
  • the regulation phase P2 can comprise a step E8 of selection of the optimization criteria then used during the following stages of the control phase P2 (in particular during the optimization step E10) and then a step E9 of acquisition by the control system of the optimization criteria selected in the selection step E8.
  • these steps E8 and E9 are performed during the modeling phase P1, or preconfigured in the system, or entered at another time (before step E5, for example).
  • the distributed hierarchical optimization step E10 performed following the initialization step E5 comprises at least one step E1 1 of collecting, for each of the control system distribution agents, forecasts of the needs of each of its "client” agents. In energy, based on predictions of the energy needs of the consumer agents, and resource forecasts of each of its agents "suppliers" in energy, from forecasts of resources of producing agents.
  • each control system 100 distributor agent is associated with at least one other "provider” type agent and at least one other "client” type agent, these "supplier” and “client” agents being producer agents or distributor agents or consumer agents depending on the location on the distribution network, which allows the implementation of steps E1 1 collection. More specifically, the steps E1 1 for collecting forecasts of energy requirements of the "client” agents and of the energy resource forecasts of the "supplier” agents are advantageously repeated alternately, by successive iterations at the level of each distributing agent. From the foregoing, it follows that the distributed hierarchical optimization step E10, based on the control system distributing agents and operating iteratively, first makes it possible to trace and consolidate the needs of the consumer agents towards the agents.
  • the optimization step E10 comprises an optional step E12 of adjusting the resource forecasts of the "supplier” agents and the forecasts of the energy requirements of the "client” agents during which, starting from forecasts of resources available at the level of the producing agents, the distributing agents optimize with their agents "suppliers” resources to meet the energy needs of their agents "customers”.
  • the method comprises a mandatory step E13 during which the distributors select the resources according to the optimization criteria acquired in step E9, taking into account any adjustments of step E12.
  • the optimization step E10 necessarily comprises an allocation step E14 of assigning (or assigning) the "client” agents the resources selected in step E13 and an optional step E15 of verifying the satisfaction of the consumer agents and / or "client” agents receiving the resources assigned to the allocation step E14.
  • the steps E12, E13, E14 and E15 can be iterated (either all or only some of them) until the satisfaction of the consumer agents and / or the agents. customers "is satisfied.
  • the optimization step E10 finally comprises an obligatory step E16 of setting up a resource planning to be received and / or produced by the producing, distributing and consuming agents, each planning being established from the resources assigned to the project. step E14 of allocation and corresponding to a state of the actuator elements 120 of the physical installation 200.
  • the plans made in step E16 correspond to a fixed state of all the software representations of the actuators 195 associated with the actuator elements 120 of the installation 200 for each future time step, calculated by virtue of their internal model. At the end of the time step, this state is assigned to each of the software representations 195 associated with the actuator elements 120 by the agent responsible for it.
  • the control phase P2 of the installation may comprise, to concretely carry out the control of the actuator elements of the installation according to the results and forecasts of step E10, d.
  • a step E17 for planning the control of the actuator elements of the physical installation (this command can be carried out in any suitable manner)
  • a control step itself from the control planning resulting from step E17 for example in the form of a step E18, described below, issuing control commands by the control system to the actuator elements.
  • the state at the next time step of the software representations 195 associated with the actuator elements 120 is assigned to the physical actuators 120 of the installation, which realizes the control of the system.
  • the method may comprise a step E18 of sending control commands by the control system to the actuator elements, these control commands being configured so as to place each of the actuator elements in the state corresponding to the planning previously implemented in step E16.
  • the invention also relates to a control system of an energy management installation, comprising software and / or hardware elements that implement the control method described above.
  • the control system is a system for managing the thermal systems of the building, the consumer elements being chosen, for example, from heating and / or ventilation elements and / or from air conditioning and / or hot water production.
  • the installation may also concern a heat network or a system coupling thermal and electrical energy.
  • the invention also relates, on the one hand, to a computer-readable data recording medium on which is recorded a computer program comprising computer program code means for implementing the phases and / or steps of the method of control, and secondly a computer program comprising a computer program code means adapted to the realization of the phases and / or steps of the control method when the program is executed on a computer.
  • the proposed approach makes it possible to optimize according to various criteria, such as, for example, energy consumption and / or operating cost and / or environmental cost (for example carbon trace).
  • various criteria such as, for example, energy consumption and / or operating cost and / or environmental cost (for example carbon trace).
  • the internal models of producer and distributor agents allow them to calculate the energy needs associated with their function.
  • environmental agents such as forecasts of electricity cost and environmental cost
  • each agent can calculate his own costs.
  • the control system can then use this information during the optimization step E10 and privilege the chosen optimization criterion.
  • environmental agents make the approach highly scalable. For example, the dynamic variation of electricity prices will soon appear following the large-scale deployment of smart meters. This variation can easily be integrated through the environmental agents, without modifying the approach or the operation of the control system.
  • the approach allows to take into account the specificities of new sources of energy. Indeed, in some cases, there is a coupling between the devices producing thermal energy and the manner in which this energy is distributed. This is the case, for example, for air / water or air / air heat pumps, the efficiency of which depends on the flow of air passing through them.
  • the solution according to the invention explicitly describes the energy distribution network, and integrates an internal model for each of the elements modeling a sub-part of this network.
  • the distributor agents can optimize their own operation in coordination with the producing agents.
  • This explicit representation of the distribution network also makes it possible to take into account the specificities related to air or hydraulic transport vectors.
  • the agents representing this network integrate in their internal model a modeling of the operation of the auxiliaries which convey the energy through the physical installation. These auxiliaries induce additional needs (because of an electrical consumption for example) and resources (due to losses in the form of heat for example).
  • the optimization process thus makes it possible to integrate these elements into the regulation of the installation.
  • each device of the installation is represented by an agent, which is an autonomous entity answering precise specifications.
  • agent which is an autonomous entity answering precise specifications.
  • the replacement of one agent by another has no influence on the operation of the control system.
  • agents representing similar entities for example, two heat pumps of different brands
  • the main application studied is the management of thermal systems for the building.
  • the solution according to the invention is particularly adapted to the context of the regulation of devices providing heating and / or cooling and / or ventilation and / or hot water production functions, these devices being often dedicated to buildings low consumption.
  • the solution according to the invention is applicable to any facility managing energy. It can take into account any type of energy production (wood or gas boilers, for example).
  • the electrical dimension for example solar photovoltaic panels and electric convectors.
  • the proposed solution can also be physically distributed between different devices, which does not restrict it to fully integrated devices or the use of a centralized controller.
  • the application framework is the management of thermal systems for the building.
  • BBC energy-efficient buildings
  • manufacturers have developed ranges of dedicated appliances or installations. These allow to provide with a single equipment several functions in the building, such as heating and / or cooling and / or ventilation and / or the production of hot water.
  • These devices described as multi-function devices, typically combine different elements such as:
  • a double flow heat exchanger allowing a heat exchange between the extracted air and the air blown, for example to preheat the fresh air entering the building using the hot air extracted from it in winter
  • a heat pump providing part of the heating requirements of the hot water tank and / or the building
  • a domestic hot water tank the heating of which can be supplemented by an electric auxiliary or solar thermal panels.
  • the heating vector of the building is generally air in order to provide a simple and compact physical installation: the heating infrastructure is indeed common to that of ventilation.
  • the installation is instrumented using different sensors, which provide information to observe its state over time.
  • control method can thus, for example, apply to the design of the regulation of such multifunction devices.
  • implementation of the control method will be described in connection with an apparatus for performing the functions of domestic hot water production and / or ventilation and / or heating and / or cooling.
  • Such an apparatus may, for example, combine, in particular with reference to FIG. 4, the following elements: a double-flow exchanger 10, performing a heat exchange between a blown flow going from a fresh air zone 1 1 to a zone air entering the building 12 and a stream extracted from a stale air zone 13 to an outgoing air zone 14 outside the building,
  • the production of hot water 19 is provided by the balloon 18 three zones.
  • the lower zone of the balloon 18 is heated by the solar thermal panels 17, the central zone of the balloon 18 is heated by the heat pump 15, and the upper zone is heated by the electric resistance element 16.
  • the heating function of the building is provided by the combination of the double-flow recuperator 10 and an exchanger 21 between the central portion of the balloon 18 and the incoming airflow.
  • the heat pump 15 thus simultaneously provides a heating function and a hot water production function.
  • the air flow through these devices is provided by unrepresented fans.
  • the physical installation is first modeled as a 100 multi-agent control system, the characteristics of which are presented in FIG. figure 4.
  • the multi-agent control system 100 has an internal representation of time and knows the time separating two time steps, which allows it to manipulate temporal notions. These two elements allow him to build forecasts over a period defined anticipation, called the forecast horizon. A parameterizable length history is also defined.
  • a set of devices 180 integrated in the control system 100 makes it possible to perform the interface between the physical system (corresponding to the physical installation) and its modeling in the form of a multi-agent control system 100, and to make complementary information available.
  • a device 180 is a structure for representing software information. This information may for example be associated with a sensor 1 10 or a physical actuator 120, a cost, or a virtual sensor.
  • a device 180 contains in particular a forecast of its values over the forecast horizon, and a history. For example, if one wishes to represent in the system 100 the instantaneous cost of the electricity coming from the network, and to associate to it a forecast on the time horizon and a history, one defines then a device 180 which makes it possible to represent these information.
  • a sensor software representation 190 is the software representation of a physical sensor 1 10.
  • An actuator software representation 195 is the software representation of a physical actuator 120. The sensor 190 and actuator software representations 195 make it possible to provide the interface between the control command and the physical installation 200.
  • this sensor element 1 10 can be associated with a sensor software representation 190 which makes it possible to represent in the system 100 multi-agents the current value of the physical sensor 1 10 and to associate a forecast and a history.
  • this actuator element 120 can be associated with an actuator software representation 195 which allows the multi-system 100 to agents to calculate an update of its state, a planning of its future states and to keep a history of its values.
  • the multi-agent control system 100 comprises four types of virtual agents: producer agents 140, consumer agents 150, distributor agents 160 and environmental agents 170.
  • a producer agent 140 is an agent whose function is to transform energy in thermal energy. It contains an internal model implemented by a computer, which allows it in particular to calculate for a given duration the thermal energy resources it can produce, and the energy consumed for this production.
  • a producer agent also contains a set of devices 180 associated with an internal model. Among these devices 180 may be sensor software representations 190 and actuator software representations 195.
  • an electrical resistance can be modeled by a generating agent 140. Its internal model can describe the heat energy supplied and the energy consumed (in this case electrical energy), for example as follows: E-produced ⁇ Consumed ⁇ P max t with Pmax the maximum power of the resistor and At the operating time.
  • the resistor may be associated with the actuator software representation 195 controlling its start-up and shutdown.
  • the internal model of this actuator software representation 195 can be based on a production planning: the resistance is active if a production is necessary and is otherwise inactive.
  • a consumer agent 150 is an agent whose function is to ensure the comfort of the occupant by using thermal energy.
  • a consumer agent 150 is associated with an objective function. Typically, this function can be a setpoint 210, possibly multiple (heating and cooling instructions in a building, for example).
  • a consumer agent 150 also contains a utility function. This can be a simple function, for example taking into account the respect or not of the objective, or an advanced function, integrating for example the notions of amplification of the discomfort over time. Utility can also be used to define a priority between different consumers of the system.
  • a consumer agent 150 also contains an internal model enabling it in particular to calculate its energy needs in order to satisfy its objective function.
  • it contains a set of devices 180 associated with an internal model. Among these devices 180 may be sensor software representations 190, but no actuator software representation 195.
  • thermal comfort can be modeled by a consumer agent 150. Its objective function can be to achieve a constant setpoint 210 at 19 degrees Celsius and its internal model can be a thermal model of the building to determine the energy needed to to reach the instruction 210, such as for example according to the following description: Enecessaire ⁇ CAP * (Tset - TNT) + UA * (3/2 * Tmt - T CO ns / 2 - T ext) * Has with AU CAP constant building characteristics.
  • a distributor agent 160 is an agent whose function is to influence the transfer of thermal energy into the building.
  • a distributing agent 160 models a sub-part of the distribution network 220 of the physical system 200: the set of distribution agents 160 makes it possible to represent the network of hydraulic or aeraulic connections between the devices 230 of the physical system 200.
  • a distribution agent 160 contains an internal model, which allows to model the constraints and the costs related to the routing of the energy. This can be network-related losses and / or the cost of running a fan to provide airflow between different appliances 230.
  • a dispensing agent 160 contains a set of "client” agents, which can be either consumer agents 150 or other distributors 160. It also contains a set of "provider” agents, which can be either producing agents 140 or other distributing agents 160.
  • a producing agent 140 can only be a "provider” agent of a single “distributor” agent, and a consumer agent 150 can only be a "client” agent of a single distributing agent 160.
  • a dispensing agent 160 can be a agent "client” or agent “provider” of any number of other distributors 160.
  • This definition leads to a hierarchical description of the control system 100.
  • a distributor agent 160 conti nt a set of devices 180 associated with an internal model. Among these devices 180 may be sensor software representations 190 and actuator software representations 195, the updating of which is incumbent upon it. For example, the fluid circuit between a solar thermal collector 17 and a balloon 18 can be modeled by a dispensing agent 160.
  • This agent 160 will have a "supplier” agent (the solar collector) and a “client” agent (the balloon) . It is associated with an actuator 120 constituted by the circulator for moving the fluid in the circuit.
  • the internal model of this circulator can be based on a production planning: it will be lit if a production is necessary and if it is turned off.
  • the internal model of the agent 160 can, for example, integrate the cost related to this distribution because of the consumption of the circulator, and calculated for example as follows:
  • An environmental agent 170 provides additional information on the actual environment of the physical system 200 by modeling some of its externalities. This information is represented as a set of devices 180 associated with an internal model. Among these devices 180 may be sensor software representations 190, but no actuator software representation 195. For example, the financial cost of electrical energy from the network can be managed by an environmental agent 170. This agent then ensures the day of a device representing this cost, using an internal model representing, for example, peak and off-peak hours, or dynamic variations in the price of electricity 240. An environmental agent 170 can also integrate a model associated with information relating to weather conditions 250 for example.
  • each device 180 can only be updated by a single agent of the control system 100.
  • Figure 5 shows an example algorithm for performing this operation for a centralized version of the regulation.
  • the main control loop of FIG. 5 manages all the operations triggered at each time step and makes it possible to regulate the physical installation. It is performed according to the control method described in Figure 2 previously introduced. In a distributed architecture, this loop is distributed on the various available calculation means, which correspond to subsystems of the system 100. The beginning of a time step is marked by the reception of the information of the corresponding physical installation. at the receiving step E4.
  • the first action of the multi-agent system 100 is then to update (the first part of the update step E6) the initial value of the prediction of each of the sensor software representations 190 by virtue of the physical value measured by the associated sensor element 1 10 physical. Then, each agent of the system 100 calculates the forecast of the future values of each sensor software representation 190 for which it is responsible, using the internal prediction model associated with this sensor software representation 190 (which corresponds to the second part of the update step E6). This operation is repeated for all index agents i.
  • the initial planning (planning) of the needs of the consumer agents 150 and the initial scheduling of resources for the producing agents 140 are then constructed (which corresponds to the determination step E7):
  • each consumer agent 150 builds a forecast describing its energy needs over the time horizon. This forecast is constructed using Agent 150's internal model, objective function, and utility function.
  • each producing agent 140 constructs a forecast describing the resources it is able to supply over the time horizon and the energy that will be consumed for this production. This prediction is constructed using the internal model of the agent 140. By relying on 180 complementary devices, indicating for example the costs associated with the considered energy, it is then possible to possibly integrate in this forecast. the financial cost associated with the production, and / or the environmental cost, and / or the coefficients of performance with respect to these quantities, and / or other criteria. Note that each producing agent 140 also contains a production schedule, which describes the planning of its production over the time horizon.
  • the resulting schedules correspond to a determined state of all the actuator software representations 195 of the system 100 over the time horizon. From these schedules, each agent updates the next value and the predictions of each actuator software representation 195 for which it is responsible. This corresponds to the step E17 of setting up. These operations are repeated for all the agents of the system, the index k varying from 0 to n.
  • the state of the actuator software representations 195 at the next time step (corresponding to the command scheduled by the agents) is sent to the physical actuators 120, which updates the physical actuators 120 and controls the installation. 200. This corresponds to the emission step E18.
  • the distributed hierarchical optimization step E10 is based on the distributor agents 160. Each distributing agent 160 waits if the prerequisites for its next internal step are not fulfilled. These prerequisites are of two types: when consolidating E1 1 needs, the planning (planning) of the needs of all its "client" agents must be up to date,
  • Each distributing agent 160 performs the following internal steps.
  • the distributor agent 160 retrieves from its "client” agents the schedule of their needs. When all schedules are up to date, he updates his own schedule of requirements. This update can for example be achieved by consolidating the needs of all its "client” agents and by associating them with a utility. This consolidation (symbolized by the first rectangle in the left chart) can for example be achieved by summing the needs of the "client” agents, adding to them the additional need associated with the distribution (step symbolized by the second rectangle in the left flow chart) calculated using the internal model of the distributor agent 160. This additional need makes it possible, for example, to integrate load or heat losses on the distribution network.
  • the utility associated with each of the needs can for example be the maximum of the utilities of the "client” agents having a need at this time step.
  • This schedule is then available from the "supplier” agents whose distributor agent 1 60 is itself a "client” agent.
  • the distributing agent 160 retrieves from its "supplier” agents the schedule of their resources.
  • the implementation of these principles makes it possible to perform another part of the collection step E1 1 described in FIG. 2.
  • An eventual adjustment step E12 then takes place to carry out an optimization (symbolized by the fourth and fifth rectangles in the left flowchart). Then a selection step E13 (symbolized by the first rectangle in the right flow chart) of the resources according to the selected criteria is obligatorily accomplished, as well as an allocation step E14 (symbolized by the second rectangle in the flowchart). right of Figure 6) resources to customers and finally, optionally, a verification step E15 (symbolized by the diamond in the right-hand diagram of Figure 6) of their satisfaction.
  • the objective is to select, among the resources available from the "provider" agents, the resources that minimize the optimization criteria chosen during step E8.
  • the total of the selected resources must also meet the requested comfort.
  • the system 100 checks (phase symbolized by the third diamond in the left-hand flowchart of Figure 6) if the need is covered. If it is not covered, the system 100 goes to the selection phase E13 of the resources. If it is covered, the system 100 proceeds to the step of optimizing the resources by maximizing the performance (step symbolized by the fourth rectangle in the left diagram of FIG. 6): the distributing agent 160 and its agents "suppliers" optimize all resources, in order to obtain a set that maximizes the performance corresponding to their operation in association. This stage makes it possible to take into account the influence of the methods of distribution of the energy on the production of this one.
  • the system 100 proceeds to the selection phase E13 of the resources. On the other hand, if the set of resources does not cover the need, the system 100 proceeds to the step of optimizing the resources closer to the need of the installation 200 (a step symbolized by the fifth rectangle in the organization chart of left of Figure 6).
  • the system 100 can adjust the quantity supplied as needed until the need is covered. Another possibility is to maximize the coefficient of performance of each available resource, until all the resources satisfy the need.
  • the distribution agent 160 has a schedule containing all the selected resources. Then, with reference to the right-hand flow diagram of FIG.
  • the system 100 selects resources E13, resource allocation E14 and satisfaction check E15.
  • a first selection phase E13 (a step symbolized by the first rectangle in the right-hand flow diagram of FIG. 6)
  • the system selects among the resources those that maximize the one or more selected criteria.
  • This selection can be done through different objective functions.
  • the chosen function may be a combination of different criteria, such as the financial cost and the environmental cost: U- 3 C 'financial + b Cenvironmental with a and b constants chosen according to a particular affinity of the user.
  • the objective can also be to prioritize resources according to certain criteria: for example, first select the resources with the lowest financial cost and then, at equal cost, those with the lowest environmental cost. For this type of selection, the use of a coefficient of performance is particularly interesting because it reflects energy efficiency with regard to cost (financial, environmental ). These criteria are parameterizable by the occupant through the interface of the system 100.
  • a resource allocation phase E14 (symbolized by the second rectangle in the right-hand diagram of FIG. 6) resources to the clients, a resource allocation according to the need and the utility is realized.
  • Resources are allocated based on the energy requirement and utility that each "client” agent associates with.
  • the distribution agent uses a utility function, defined as follows: for each "client” agent, if at the instant t this "client” agent has a non-zero energy requirement, then the utility for the resource is equal to the utility of this "client” agent.
  • This allocation E14 makes it possible to construct the production schedule of each "supplier” agent of the distributor agent 160, and the resource schedule of each of its "client” agents. In this step, the distributing agent 160 deduces from the available resources its own needs, which it added during the needs consolidation step in the left-hand organization chart.
  • step E15 the satisfaction associated with the allocation made is verified during step E15 (symbolized by the diamond in the right-hand diagram of FIG. 6) for each of the "client” agents. If the allocation satisfies all of them, it is retained. Otherwise, the allocation E14 and the verification E15 are iterated (new allocation symbolized by the second rectangle of the right-hand organization chart in Figure 6) to maximize the satisfaction of the "client” agents. Finally, the decisions taken are then available for the "client” agents and the "supplier” agents of the distributing agent (step symbolized by the third rectangle of the right-hand organization chart of FIG. 6). These are available for each "supplier” agent in the form of a production plan, and for each "customer” agent in the form of a resource plan.
  • each of the producing agents 140 and each of the distributors 160 has an up-to-date production schedule.
  • the physical system 200 that is to say the power management installation constituted by the multifunction device, consists of a set of sensor elements 1 10, actuator elements 120, and different devices. 230. It is instrumented by different sensors 1 10, detailed in the table below. Each of these sensor elements is associated with a sensor software representation 190. Sensor Description
  • Actuators make it possible to control the devices 230 and the distribution elements, such as circulators and fans (detailed in the table below). To each of these actuator elements 120 is associated an actuator software representation 195.
  • the apparatuses are the double-flow heat exchanger 10, the domestic hot water cylinder 18, the heat pump 15, the solar thermal panel 17 and the electric auxiliary heater 16 for the balloon 18.
  • the functions provided are the ventilation and / or heating and / or cooling and / or hot water production. These last three functions are associated with comfort objectives embodied in the form of instructions 210.
  • the producing agents 140 are the heat pump “PAC”, the solar thermal panel 17 “solar collector” and the electrical resistance resistor 16 labeled "resistance”,
  • the consumer agents 150 correspond to the "thermal comfort", materialized by the building 130, and comfort in domestic hot water (marked “comfort ECS").
  • Ventilation models the ventilation circuit, integrating the fans and the double-flow heat exchanger 10,
  • a "solar circulator” agent models the hydraulic network between the solar panel 17 and the balloon 18, incorporating a circulator
  • a "3 zone balloon” agent models the balloon 18 three zones, and an agent called “heating circulator”. Model the exchange network between the central zone of the balloon 18 and the air entering the house, integrating a circulator.
  • the first called “Weather” provides the forecast corresponding to the outdoor temperature sensor. It can be considered as a weather forecasting agent,
  • the second called “Electricity” ensures the forecast corresponding to the financial cost and the environmental cost of electrical energy from the electricity grid. It can be considered as an electrical network agent.
  • the heat pump 15 is modeled by a generating agent 140 called "PAC". It is associated with the actuator software representation 195 corresponding to the physical actuator allowing it to be switched on and off (Cde pac ). The heat pump 15 can only be controlled on / off, the internal model of this representation software actuator 195 corresponds to a start if energy must be produced at the corresponding time step and to a stop in the opposite case.
  • the internal model of the "PAC" agent can for example include a parameter of variation of yield according to the ventilation:
  • This model makes it possible to estimate the energy supplied by the heat pump 15 and to calculate the compromise between the ventilation and the heating power.
  • the solar panel 17 is modeled in the system 100 by a "producer” agent called “solar collector”. It is associated with the sensor corresponding to the temperature (T AC pteur) -
  • the internal model used for its prediction may for example be the readjusted value of the standby:
  • T final T C Aptor (tfinal ⁇ 24 h) + (T C apteur (tinitial) ⁇ T C apteur (tinitial ⁇ 24h)) with tfin at i the final time and i mma the initial time for the prediction .
  • T m is the average temperature of the sensor
  • T has the outside temperature
  • the panel 17 uses solar energy, its energy cost is zero.
  • the electrical resistance 16 is modeled by a "producer” agent called “Resistance”. It contains the actuator software representation 195 corresponding to its start and stop. The internal model this actuator representation 195 corresponds to a start if energy must be produced at the corresponding time step and a stop in the opposite case. The internal model of the resistance corresponds to its electric power: in operation, it produces its maximum power in thermal energy, and consumes the equivalent in electrical energy:
  • the thermal comfort is modeled by a consumer agent 150 called "thermal comfort" and materialized by the thermal zone of the building 130.
  • This agent 150 is associated with a sensor software representation 190 corresponding to the internal temperature of the building T in t.
  • the objective function corresponds to the instructions provided by the occupant.
  • the heating setpoint can be a time set corresponding to the recommendations of the RT2005 standard: set temperature of 19 degrees between 18:00 and 10:00 in the morning on weekdays, 16 degrees the rest of the time on weekdays, and set at 19 degrees the weekend.
  • the utility function can be associated with a relative priority between domestic hot water and heating requirements, which compete for the use of heat pump resources 15.
  • the internal model of the agent can be based on the thermal model of building 130:
  • Comfort in domestic hot water is modeled by a consumer agent 150 called "Comfort ECS".
  • Its objective function may for example correspond to an instruction T con s_ecs to meet the needs of the occupant at any time (constant at 50 ° C for example).
  • the internal model of the agent 150 may for example correspond to an instant response if necessary, depending on the temperature in the upper zone of the balloon 18: if it is no longer respected, a proportional energy demand to the gap is issued. For example :
  • Another type of internal model can use the domestic hot water consumption history to predict the associated energy requirements.
  • the utility function of the agent 150 can for example be used to manage the relative priority between the heating and the hot water production.
  • the distribution agents 160 model the energy distribution network within the installation.
  • the ventilation circuit incorporating the fans and the double-flow heat exchanger 10, is modeled by a "distributor” agent 160 called “Ventilation”. It is connected to a "provider” agent, the "PAC” agent, and to a “client” agent, the "3 zone balloon” agent described below. It is associated with two sensor software representations 190 corresponding to the outlet temperatures of the double-flow heat exchanger 10, stale air and fresh air.
  • the internal models of these sensor representations 190 correspond to the characteristics of the exchanger 10, and can for example be calculated as follows:
  • the agent "Ventilation” is associated with the actuator software representation 195 for controlling the fans (Cde V entii) -
  • the internal model associated with this actuator representation 195 makes it possible to obtain the following behavior: by default, the ventilation is at least, if not, the value used is that obtained after optimization with its agent "supplier", that is to say the agent "PAC” modeling the heat pump 15.
  • the internal model of the "Ventilation” agent allows to integrate the cost associated with ventilation. This cost is added during the selection step E13 of the resources, in order to take into account the global cost of a resource, including its routing.
  • the model can for example be the following: Consumed ⁇ Pmax * (do + dl * Y + 82 * Y 2 ) * t with a 0 , a 1; has 2 fan characteristic constants, ⁇ the control signal between 0 and 1, P max the maximum power of the fan and ⁇ the operating time.
  • the solar circuit of the installation which makes it possible to circulate a fluid between the solar collector 17 and the balloon 18, is modeled by a "distributor” agent 160 called “solar circulator". It is connected to a “client” agent, the “solar sensor” agent modeling the solar collector 17, and to a “supplier” agent, the "3-zone balloon” agent modeling the three-zone balloon 18.
  • the agent " Solar circulator” "integrates the actuator software representation 195 corresponding to the control of the circulator associated with this circuit.
  • the internal model of this actuator representation 195 may for example correspond to a variable speed control, in order to obtain a regulated speed so that the temperature difference between the low zone of the balloon 18 (T ba i_B) and the temperature of the solar collector 17 (T ca peter) be constant.
  • the internal model of the "solar collector” agent can for example be used to integrate the cost related to its operation:
  • the heating circuit of the installation of FIG. 3 makes it possible to exchange heat between the central part of the three-zone balloon 18 and the incoming air 12 in the building 130, and is modeled by a distributor agent 160 called "Heating circulator". . ". It is connected to a "client” agent, ie the "thermal comfort” agent modeling the thermal comfort of the building 130, and a “supplier” agent, ie the agent "3 zone balloon” modeling the three-zone balloon 18.
  • the agent "Heating circulator. Integrates the actuator software representation 195 corresponding to the circulator for performing this exchange.
  • the internal model of the agent "Circulateur chauff. Can for example be used to integrate the cost related to its operation:
  • the three-zone balloon 18, for its part, is modeled by a distributor agent 160 called “3 zone balloon".
  • This agent is connected to two agents “clients” agent “Circulator heating. Modeling the heating circuit and the agent “Comfort ECS” modeling comfort in hot water, and three agents “suppliers”, namely the agent “ventilation” modeling the ventilation, the agent “Resistance” modeling the resistance and the agent “Solar Circulator” modeling the solar circuit.
  • the agent “3 zone balloon” integrates the three sensor software representations 190 corresponding to the temperature measurements in the low, middle and high zones of the balloon (respectively Tbai_B > Tbaij i and T b ai_H) -
  • the internal model of these software representations sensors 190 can for example be a persistence model:
  • Tbal_H (tfinal) Tbal_ (tinitial)
  • the internal model of the agent "Ball 3 zones" can for example be the model proposed in the RT2012 standard.
  • the environmental agents 170 correspond to a weather forecasting agent called “Weather” and to an electrical network agent called “Electricity”.
  • the environmental weather forecasting agent 170 called "Weather” is associated with the sensor software representation 190 corresponding to the outside temperature T ex t.
  • Various internal models can be used to make a prediction for this sensor representation 190, such as the persistence of the observed temperature, the use of the day's temperature adjusted to that of the day, or even more advanced models.
  • the electrical network agent 170 called "Electricity" is associated with two devices c eu ros and c env respectively corresponding to the financial cost and the environmental cost of the electrical energy from the network.
  • the financial cost can be calculated using an internal model reflecting the operation of peak / off-peak hours:
  • each of the actuators and sensors software representations is well associated with an agent. All the physical actuator elements 120 are therefore well controlled by the control system 100 multi-agents.
  • FIG. 8 represents the observed values of the temperature sensors of the installation over a period of 24 hours.
  • the curve C1 corresponds to the evolution over time of the temperature in the high zone of the balloon T ba i_H,
  • the curve C2 corresponds to the evolution over time of the temperature in the middle zone of the balloon T ba i_M
  • the curve C3 corresponds to the evolution over time of the internal temperature Tint
  • the curve C4 corresponds to the evolution over time of the temperature in the low zone of the balloon T ba i_B
  • the curve C5 is the change in time of the temperature of the solar collector T ca pteur
  • FIG. 9 represents the commands of the different actuator elements 120 of the installation calculated by the control system 100 over the 24-hour period. More precisely :
  • the curve C7 corresponds to the evolution over time of the control of the heat pump 15, i.e. the software representation CdepAc,
  • the curve C8 corresponds to the evolution in time of the control of the electrical resistance 16 of supplement, ie the software representation Cde Re iec,
  • the curve C9 corresponds to the evolution in the time of the control of the ventilation, ie the software representation Cde V ent,
  • the curve C10 corresponds to the evolution in time of the control of the solar circulator, i.e. the software representation
  • the invention described above is a control method associated with a control system, for managing the actuator elements of an energy management facility. These include managing thermal elements of buildings or other installations using thermal systems such as for example heat networks.
  • the control system makes it possible to optimize this management according to different criteria other than solely the energy consumption by integrating the use of electric and non-electric energy sources. Moreover, it takes into account the constraints related to the network of distribution of energy and integrates the distribution auxiliaries into the optimization process. Finally, the solution according to the invention makes it possible to design a reusable system between different installations and systems. To do this, it follows from the foregoing that the method combines an agent-based description, and an optimization process based on this description.
  • the energy management facility by the elements that compose them, is described in the form of consumer agents, distributor agents, producer agents, and environmental agents. These agents include models allowing them to calculate in particular the needs, the resources or the cost associated with the consumption or the production of thermal energy, for example to ensure the functions of heating, cooling, ventilation, or of hot water production. Based on this description, the system then uses a distributed process to optimize energy production, including thermal, based on previously chosen and potentially distinct criteria of overall energy consumption.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Electromagnetism (AREA)
  • Power Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Manufacturing & Machinery (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Feedback Control In General (AREA)

Abstract

Le pilotage d'une installation de gestion de l'énergie comprend une phase (P1) de modélisation de l'installation comportant une étape (E1) d'élaboration d'un système de contrôle multi-agents incluant au moins des agents consommateurs, distributeurs et producteurs d'énergie. Les modèles des agents distributeurs d'énergie tiennent compte de caractéristiques relatives aux éléments distributeurs de l'installation, dont les contraintes de distribution et/ou la consommation d'énergie et/ou les coûts financiers et/ou environnementaux de distribution et/ou l'influence du fonctionnement des éléments distributeurs sur le fonctionnement des éléments producteurs. Le pilotage comprend aussi une phase (P2) de régulation de l'installation comportant une étape (E10) d'optimisation utilisant les modèles intégrés aux agents pour optimiser la manière de produire l'énergie par les agents producteurs, de la distribuer par les agents distributeurs et de l'allouer aux agents consommateurs, en fonction de critères d'optimisation basés sur la consommation d'énergie de l'installation et/ou sur au moins un autre critère tel que le coût d'exploitation et/ou le coût environnemental de l'installation et/ou des prévisions météorologiques et/ou des paramètres de confort et/ou le comportement observé et/ou attendu des utilisateurs de l'installation.

Description

Procédé et système de pilotage d'une installation de gestion de l'énergie
Domaine technique de l'invention
L'invention concerne un procédé et un système de pilotage d'une installation de gestion de l'énergie.
Plus particulièrement, une application visée concerne le domaine de la gestion énergétique d'un bâtiment ou de plusieurs bâtiments, ou de réseaux de chaleur, notamment le contrôle des systèmes thermiques pour le(s) bâtiment(s).
État de la technique
Dans un contexte de préoccupation grandissante vis à vis des impacts humains sur l'environnement, de nombreuses approches s'intéressent à l'optimisation de la consommation d'énergie des bâtiments.
Ainsi, le document EP-A1 -1635286 propose un système de contrôle d'éléments énergétiques, décrits sous la forme d'agents consommateurs et d'agents producteurs d'énergie, connectés à travers un réseau leur permettant de communiquer. Ces agents sont capables de négocier afin de déterminer la quantité d'énergie qu'un agent producteur doit envoyer à un agent consommateur. A travers un système d'enchères, les consommateurs se voient allouer une certaine quantité d'énergie. Les offres peuvent en particulier prendre en compte le coût de l'électricité. Mais les négociations entre les agents ne portent que sur une quantité d'énergie. Elle ne peut donc pas permettre d'optimiser la consommation d'un système dans lequel certains des éléments producteurs ont un coût qui n'est pas relié directement à la quantité produite. De plus, elle n'est pas prévue pour permettre d'optimiser suivant différents critères. Par ailleurs, cette approche a été conçue pour répondre à des problématiques spécifiques à l'énergie électrique, et elle ne peut pas répondre aux spécificités introduites dès lors que certains producteurs produisent et acheminent de l'énergie thermique par exemple via des vecteurs aérauliques et/ou hydrauliques. Or, lorsque l'on considère l'énergie thermique, la production de certains producteurs est dépendante du moyen de distribution utilisé : par exemple, le rendement d'une pompe à chaleur dépend du flux d'air la traversant, flux d'air qui est lui-même le vecteur de transport de l'énergie. Certes des agents transporteurs permettent de vérifier l'existence et la disponibilité d'un lien entre un consommateur et un producteur d'énergie. Toutefois, ils ne permettent pas de prendre en compte les coûts de distribution associés au transport de l'énergie. Ces coûts peuvent être par exemple être des pertes, ou le coût de fonctionnement des actionneurs de l'installation, comme les ventilateurs en aéraulique ou les circulateurs en hydraulique. Dans le document WO2008/014562, une architecture de système distribué de gestion de l'énergie est proposée. Elle s'appuie sur différents agents représentant des ressources en énergie, qui peuvent communiquer entre eux. Un agent spécifique, appelé agent boursier, assure le contrôle du système. Toutefois, cette approche est dédiée à l'utilisation de l'énergie électrique, et ne permet pas d'intégrer les contraintes physiques de la distribution d'énergie thermique. Elle n'est de plus pas adaptée au pilotage des systèmes énergétiques du bâtiment, qui nécessitent la représentation de ressources complexes et interdépendantes. De nombreuses publications scientifiques s'intéressent également à des approches multi-agents.
Une première catégorie d'approches s'intéresse à la gestion énergétique des bâtiments. Par exemple, Abras et al "Advantages of MAS for the resolution of a power management problem in smart homes" propose un système de pilotage de l'énergie dans l'habitat, à partir d'une modélisation multi-agents reposant sur un mécanisme à deux niveaux : une couche assure le pilotage réactif du système, et une couche anticipative réalise une planification à plus long terme. L'approche se restreint toutefois au pilotage de systèmes électriques.
D'autres approches visent à prendre en compte le comportement des habitants (Hagras et al "A hierarchical fuzzy-genetic multi-agent architecture for intelligent buildings online learning, adaptation and control") ou la configuration de l'environnement (Rutishauer et al "Control and learning of ambience by an intelligent building"). Toutefois, aucune d'entre elles ne considère les spécificités thermiques du bâtiment ou des appareils, ou ne permet d'intégrer de nouvelles sources d'énergie.
Une seconde catégorie d'approches s'intéresse à des applications impliquant des vecteurs de distribution de nature non électrique, comme l'hydraulique. Par exemple, dans Davidsson et al "Embedded agents for district heating management", une modélisation multi-agents est utilisée afin d'optimiser le fonctionnement de réseaux de chaleur, l'objectif étant de minimiser la consommation énergétique d'un réseau d'eau chaude assurant des fonctions de chauffage et de production d'eau chaude sanitaire. Le système est décrit sous forme d'agents producteurs, d'agents de redistribution et d'agents consommateurs. Les agents de redistribution ont pour rôle de récupérer la consommation de leurs clients ainsi que leurs prévisions, et de fournir cette information à l'agent producteur, qui assure le contrôle de la demande. L'approche prend en compte les contraintes spécifiques aux réseaux hydrauliques, comme la durée de production et l'inertie des systèmes. Toutefois, elle considère uniquement le point de vue de l'agent producteur et n'est pas adaptée à la consommation de l'habitat individuel, qui nécessite un suivi de consigne précis. De plus, ne reposant pas sur des modèles thermiques, elle ne permet pas d'intégrer des sources d'énergie alternatives. Enfin, sa structure à couche unique rend difficile l'intégration de formes de production décentralisées.
Enfin, des travaux récents se sont intéressés à la prise en compte de nouveaux systèmes de chauffage, comme les pompes à chaleur (notamment Rogers et al "Adaptive home heating control through Gaussian process prédiction and mathematical programming"). En prenant en compte la prévision de l'évolution thermique du bâtiment et les prévisions météo locales, l'approche permet d'optimiser le coût financier ou la trace carbone de l'installation. Toutefois, elle n'intègre pas la possibilité de modéliser l'ensemble des éléments assurant le confort thermique du bâtiment, et ne prend pas en compte les contraintes liées aux vecteurs de distribution de l'énergie et à la consommation des auxiliaires associés. La modélisation de systèmes plus complexes, intégrant par exemple des panneaux solaires thermiques et des échangeurs de chaleur, ne peut être intégrée facilement dans l'approche. Par ailleurs, d'autres approches s'attachent à résoudre des problématiques similaires, mais sans utiliser de modélisation à base d'agents. Le document GB2448896 propose un système de gestion du bâtiment s'appuyant sur un ensemble de capteurs pour estimer les caractéristiques thermiques des convertisseurs d'énergie, les propriétés thermiques du bâtiment, son profil d'occupation, ainsi qu'une prévision de la demande en énergie. A l'aide de ces éléments, un planning est préparé, en utilisant une méthode d'optimisation centralisée, et une correction réactive est ajoutée en cas d'écart observé. Le modèle proposé tient compte de certaines des nouvelles sources de production d'énergie, comme les panneaux solaires photovoltaïques et les pompes à chaleur. Néanmoins, le système de reconnaissance automatique de charge utilisé pour l'estimation ne permet pas de tenir compte de sources d'énergie comme les panneaux solaires thermiques. De plus, l'approche ne tient pas compte de la consommation des auxiliaires de distribution. Enfin, le processus d'optimisation utilisé se base uniquement sur la minimisation des pertes thermiques et ne permet pas de prendre en compte différents critères d'optimisation.
Le document WO201 1/072332 propose une méthode et un système de contrôle de la ventilation, du chauffage et du rafraîchissement des bâtiments. La méthode s'appuie sur un modèle thermique du bâtiment, et réalise une optimisation basée sur le prix de l'électricité, les prévisions météo et la satisfaction des utilisateurs. Toutefois, la méthode proposée s'appuie uniquement sur un modèle simplifié du bâtiment, qui n'intègre pas les spécificités des différentes sources d'énergie et ne permet pas de prendre en compte les auxiliaires de distribution. De plus, la méthode d'optimisation proposée ne permet pas d'optimiser suivant différents critères et elle n'est pas extensible à la prise en compte de la production d'eau chaude sanitaire. Enfin, le document US7783390 décrit des méthodes et des systèmes destinés à l'optimisation du contrôle de la demande et la production d'énergie. Le principe utilisé est de décaler la consommation des appareils vers les périodes durant lesquelles l'énergie est la moins coûteuse et de fournir de l'énergie au réseau lorsque le prix de l'énergie est élevé. Toutefois, l'approche est orientée uniquement vers les ressources électriques et ne considère pas la thermique du bâtiment. Objet de l'invention
Le but de la présente invention est de proposer une solution de pilotage d'une installation qui gère de l'énergie et remédie aux inconvénients listés ci-dessus.
Notamment, un objet de l'invention est de fournir une solution qui permette une optimisation de la gestion énergétique suivant des critères différents de la consommation d'énergie (en particulier le coût d'exploitation et le coût environnemental).
Un autre objet de l'invention est de fournir une solution qui prenne en compte les spécificités des nouvelles sources d'énergie (panneaux solaires thermiques, pompes à chaleur...).
Un autre objet de l'invention est de fournir une solution qui prenne en compte les spécificités des vecteurs de transport de l'énergie (en particulier les vecteurs hydrauliques et aérauliques) et les coûts qui leur sont liés.
Un autre objet de l'invention est de fournir une solution qui augmente la réutilisabilité des systèmes développés. Ces objets peuvent être atteints par les revendications annexées.
En particulier, un procédé de pilotage d'une installation de gestion de l'énergie, comprend :
une phase de modélisation de l'installation comportant : une étape d'élaboration d'un système de contrôle multi- agents incluant au moins des agents consommateurs, distributeurs et producteurs d'énergie représentatifs au moins d'un fonctionnement associé à des éléments de l'installation respectivement consommateurs, distributeurs et producteurs d'énergie, chacun des agents intégrant un modèle mis en œuvre par un calculateur,
les modèles des agents distributeurs d'énergie tenant compte de caractéristiques relatives aux éléments distributeurs de l'installation, dont les contraintes de distribution et/ou la consommation d'énergie et/ou les coûts financiers et/ou environnementaux de distribution et/ou l'influence du fonctionnement des éléments distributeurs sur le fonctionnement des éléments producteurs,
une phase de régulation de l'installation comportant :
- une étape d'optimisation utilisant les modèles intégrés aux agents du système de contrôle de sorte à optimiser la manière de produire l'énergie par les agents producteurs, de la distribuer par les agents distributeurs et de l'allouer aux agents consommateurs, en fonction de critères d'optimisation basés sur la consommation d'énergie de l'installation et/ou sur au moins un autre critère tel que le coût d'exploitation et/ou le coût environnemental de l'installation et/ou des prévisions météorologiques et/ou des paramètres de confort et/ou le comportement observé et/ou attendu des utilisateurs de l'installation, une étape de commande des éléments actionneurs de l'installation basée sur les résultats de l'étape d'optimisation à partir de la mise en œuvre des modèles intégrés aux agents.
Un système de pilotage d'une installation de gestion de l'énergie, peut comprendre des éléments logiciels et/ou matériels qui mettent en œuvre le procédé de pilotage. Notamment, il peut être un système de gestion soit des systèmes thermiques d'un bâtiment, les éléments consommateurs étant parmi par exemple des éléments de chauffage et/ou de ventilation et/ou de climatisation et/ou de production d'eau chaude sanitaire, soit d'un réseau de chaleur, soit d'une installation couplant de l'énergie thermique et de l'énergie électrique.
Un troisième aspect de l'invention concerne un support d'enregistrement de données lisible par un calculateur, sur lequel est enregistré un programme informatique comprenant des moyens de codes de programme informatique de mise en œuvre des phases et/ou des étapes du procédé de pilotage.
Enfin, un quatrième aspect de l'invention concerne un programme informatique comprenant un moyen de codes de programme informatique adapté à la réalisation des phases et/ou des étapes du procédé de pilotage, lorsque le programme est exécuté sur un calculateur.
Description sommaire des dessins D'autres avantages et caractéristiques ressortiront plus clairement de la description qui va suivre de modes particuliers de réalisation de l'invention donnés à titre d'exemples non limitatifs et représentés sur les dessins annexés, dans lesquels :
- la figure 1 est une vue schématique de la description de l'installation par un système de contrôle à base d'agents,
- la figure 2 est un organigramme représentant les phases et les étapes successives d'un exemple de procédé de pilotage selon l'invention,
- la figure 3 est un schéma simplifié d'un exemple d'installation sur laquelle la solution selon l'invention pourrait être appliquée, - la figure 4 est une vue schématique de la méthodologie de modélisation de l'installation de la figure 3 sous forme d'un système de contrôle multi-agents,
- la figure 5 est une représentation graphique d'un exemple d'algorithme implémentant la boucle principale de contrôle du système de contrôle (cas d'une exécution centralisée) appliqué au cas des figures 3 et 4,
- la figure 6 est une représentation graphique des différentes étapes du processus d'optimisation appliqué au cas des figures 3 et 4, - la figure 7 est une modélisation de l'installation de la figure 3 sous forme d'un système de contrôle multi-agents,
- la figure 8 représente les valeurs observées des capteurs de température de l'installation sur une période de 24 heures,
- et la figure 9 représente les commandes des différents éléments actionneurs de l'installation calculées par le système de contrôle sur la période de 24 heures.
Description de modes préférentiels de l'invention Dans la suite de la description, il sera décrit une solution de pilotage, c'est-à-dire un procédé de pilotage et un système de pilotage, d'une installation physique de gestion de l'énergie. Une application particulière non limitative visée par l'invention concerne le domaine de la gestion énergétique d'un bâtiment, notamment du contrôle des éléments ou systèmes thermiques pour le bâtiment. Autrement dit, dans ce cas particulier, l'installation physique gère principalement de l'énergie thermique dédiée au bâtiment à partir de sources d'énergie diverses. Mais le principe de l'invention peut être appliqué à toute installation de gestion de l'énergie, comme par exemple de l'énergie électrique ou bien encore une installation de réseau de chaleur, notamment à plusieurs bâtiments. Sur l'organigramme de la figure 2, les étapes facultatives sont illustrées par un encadré en traits pointillés. La solution prévoit essentiellement de concevoir et de mettre en œuvre un système de contrôle permettant de commander les éléments physiques (actionneurs), i.e. les appareils de l'installation et les auxiliaires de distribution, qui assurent des fonctions énergétiques (par exemple des fonctions thermiques dans le bâtiment, telles que le chauffage, la climatisation, la ventilation ou la production d'eau chaude sanitaire).
Puis le système de contrôle ainsi conçu est utilisé pour réaliser une optimisation de la gestion énergétique de l'installation suivant différents critères, sélectionnâmes par l'utilisateur et basés par exemple sur la consommation d'énergie de l'installation et/ou sur au moins un autre critère tel que le coût d'exploitation et/ou le coût environnemental de l'installation. Un des objectifs du système de contrôle est d'assurer la gestion des éléments énergétiques de l'installation (par exemple les éléments thermiques du bâtiment) tout en respectant le cahier des charges (par exemple le confort des habitants du bâtiment). Dans les approches actuelles, cette gestion des éléments énergétiques de l'installation est le plus souvent optimisée suivant l'unique critère formé par la consommation totale d'énergie de l'installation. Toutefois, l'utilisation croissante de nouvelles sources d'énergie thermique, comme les pompes à chaleur ou les panneaux solaires thermiques, ainsi que le profil des acheteurs de ce type d'éléments, qui possèdent souvent une forte conscience environnementale, conduit à souhaiter pouvoir utiliser d'autres critères. Ainsi, le système de contrôle vise à être configuré pour pouvoir réaliser une optimisation par exemple sur un coût environnemental ou financier, en fonction des souhaits de l'utilisateur.
Certaines sources d'énergie présentent des spécificités de fonctionnement qui ne sont pas prises en compte par les méthodes actuelles. Par exemple, le rendement d'une pompe à chaleur est fortement dépendant des conditions de fonctionnement et de l'état d'autres appareils. Afin d'optimiser au mieux le système de contrôle, il est nécessaire de tenir compte de ce fonctionnement complexe dans la régulation.
D'autre part, l'énergie (par exemple de nature thermique) est transportée par des vecteurs spécifiques, par exemple hydrauliques ou aérauliques, au niveau des éléments distributeurs de l'installation. C'est le cas par exemple de l'énergie produite par des panneaux solaires thermiques. Ces vecteurs de transport impliquent l'existence de connexions physiques entre des éléments de l'installation, qui induisent des contraintes lors de l'optimisation. De plus, les auxiliaires assurant le transport de l'énergie thermique (ventilateurs ou circulateurs par exemple) représentent une part de plus en plus importante de la consommation d'énergie, en particulier dans les bâtiments à basse consommation ou à énergie positive (16% en moyenne dans les bâtiments dits « BBC » pour « bâtiment basse consommation » résidentiels ou tertiaires, et jusqu'à 30% dans certains cas). Il est donc nécessaire d'intégrer explicitement ces contraintes et ces auxiliaires dans le processus d'optimisation de l'installation pour améliorer sa gestion.
Le mode actuel de développement d'un système de contrôle le rend difficilement réutilisable. En effet, chaque développement est réalisé spécifiquement pour une installation donnée. Cependant, certains éléments sont communs entre les installations, comme la stratégie de gestion ou le fonctionnement de certains appareils. Afin de faciliter la tâche du concepteur, il est intéressant de lui permettre de réutiliser tout ou partie des éléments implémentés dans des installations similaires. La solution proposée ci-dessous apporte une solution à ces problématiques.
La solution prévoit de modéliser l'installation par un système de contrôle virtuel à base d'agents, intégrant explicitement notamment une modélisation du réseau de distribution. Le système de contrôle intègre à cette modélisation d'une part un modèle permettant de calculer les coûts de distribution associés au transport de l'énergie (ces coûts peuvent être par exemple des pertes, ou le coût de fonctionnement des actionneurs, comme les ventilateurs ou les circulateurs) et d'autre part un processus permettant d'optimiser le fonctionnement de la production en regard de la distribution.
Globalement, une installation physique gérant de l'énergie est constituée d'un ensemble d'éléments qui consomment, produisent ou distribuent de l'énergie. Tous ces éléments (aussi appelés « appareils ») sont reliés physiquement entre eux par un réseau de distribution de l'énergie utilisant un vecteur de transport d'énergie tel que par exemple de nature aéraulique ou hydraulique. L'installation comporte également un ensemble d'éléments capteurs, et un ensemble d'éléments actionneurs. L'objectif est de concevoir un tel système de contrôle puis de déterminer, à chaque pas de temps d'une phase P2 de régulation ultérieure, l'état qui sera affecté à chacun des éléments actionneurs de l'installation physique. Ainsi, comme il le sera détaillé ci-après, la méthode proposée repose sur une première phase P1 de modélisation, dans laquelle l'installation physique est décrite sous la forme d'un système de contrôle multi-agents. Une fois cette description réalisée, le système de contrôle proposé assure automatiquement la régulation de l'installation physique suivant la méthode décrite dans la phase P2. Ces deux phases sont détaillées ci- dessous sous la forme d'un procédé de pilotage d'une installation gérant de l'énergie dont les étapes sont listées en figure 2.
Selon une caractéristique essentielle, la phase P1 de modélisation de l'installation comporte une étape E1 d'élaboration d'un système de contrôle multi-agents (détaillé en figure 1 ) incluant au moins des agents consommateurs, distributeurs et producteurs d'énergie représentatifs au moins d'un fonctionnement associés à des éléments de l'installation respectivement consommateurs, distributeurs et producteurs d'énergie. Chacun des agents intègre un modèle mis en œuvre par un calculateur. Les modèles des agents distributeurs d'énergie tiennent compte de caractéristiques relatives aux éléments distributeurs de l'installation, dont les contraintes de distribution et/ou la consommation d'énergie et/ou les coûts financiers et/ou environnementaux de distribution et/ou l'influence du fonctionnement des éléments distributeurs sur le fonctionnement des éléments producteurs.
Plus précisément, l'installation physique est tout d'abord modélisée sous la forme d'un système de contrôle multi-agents 100 composé de différents agents. En se reportant à la figure 1 , le système de contrôle 100 contient tout d'abord des représentations logicielles des éléments capteurs 1 10 (physiques) et des éléments actionneurs 120 de l'installation physique (ici associée à un bâtiment 130). Les représentations logicielles sont destinées à assurer le lien entre le contrôle (ou la commande) de type logiciel vis-à-vis des éléments matériels 1 10, 120. Le système de contrôle 100 contient également une représentation sous forme d'agents des appareils, du réseau de distribution, et d'éléments complémentaires en relation avec le système. Différents types d'agents sont distingués, suivant leur fonction :
- un élément de l'installation dont la fonction est de produire de l'énergie (par exemple de nature thermique) est modélisé dans le système de contrôle-commande 100 par un agent producteur 140 (« producteur i », i variant de 1 à n),
un élément de l'installation dont la fonction est de consommer de l'énergie (par exemple pour assurer le confort de l'occupant du bâtiment en utilisant de l'énergie thermique produite et distribuée) est modélisé dans le système de contrôle-commande par un agent consommateur 150 (« consommateur i », i variant de 1 à m),
un élément de l'installation dont la fonction est de distribuer de l'énergie entre les éléments producteurs et les éléments consommateurs est modélisé dans le système de contrôle-commande par un agent distributeur 160 (« distributeur », i variant de 1 à k). Un agent distributeur 160 modélisé ainsi une sous-partie du réseau de distribution, le plus souvent associée à un ou plusieurs actionneurs de l'installation. Il peut être considéré que chaque agent distributeur 160 du système de contrôle est associé à au moins un autre agent de type « fournisseur » et à au moins un autre agent de type « client ».
enfin, un élément de l'installation ou extérieur à l'installation dont la fonction est d'apporter au système de contrôle 100 des informations (« information i », i variant de 1 à p) complémentaires sur l'environnement réel de l'installation physique est modélisé dans le système de contrôle 100 commande par un agent environnemental 170.
Cette modélisation conduit à une représentation hiérarchique de l'installation : les agents producteurs sont connectés aux agents consommateurs à travers une hiérarchie d'agents distributeurs représentant le réseau de transfert d'énergie. Contrairement aux approches de l'état de l'art, cette description modélise explicitement le réseau de distribution de l'énergie, en lui associant des propriétés spécifiques. Cela permet d'une part d'intégrer les contraintes de distribution (par exemple le fait qu'un flux ne peut être acheminé qu'entre deux points physiquement connectés) et, d'autre part, de prendre en compte le coût financier de distribution induit par ce réseau (tel que le coût lié à la consommation des auxiliaires tels que les ventilateurs ou les circulateurs ou les pertes thermiques d'un réseau). Les agents environnementaux permettent de représenter des informations supplémentaires comme le coût associé à l'énergie (le coût de l'électricité par exemple) et ces informations seront utilisées ensuite lors d'une étape E10 d'optimisation décrite ci-dessous. Ainsi selon une caractéristique essentielle complémentaire, la phase P2 de régulation de l'installation comporte :
une étape E10 d'optimisation utilisant les modèles intégrés aux agents du système de contrôle de sorte à optimiser la manière de produire l'énergie par les agents producteurs, de la distribuer par les agents distributeurs et de l'allouer aux agents consommateurs, en fonction de critères d'optimisation basés sur la consommation d'énergie de l'installation et/ou sur au moins un autre paramètre tel que le coût d'exploitation et/ou le coût environnemental de l'installation et/ou des prévisions météorologiques et/ou des paramètres de confort et/ou le comportement observé et/ou attendu des utilisateurs de l'installation, une étape E17, 18 de commande des éléments actionneurs de l'installation, la manière de les commander étant basée sur les résultats de l'étape d'optimisation à partir de la mise en œuvre des modèles intégrés aux agents du système de contrôle-commande. La notion de « comportement » dans le paragraphe précédent incorpore toutes les caractéristiques comportementales utiles mais aussi les aspects liés à la présence ou à l'absence des utilisateurs, leurs habitudes de chauffage, de rafraîchissement et de consommation d'eau chaude sanitaire...
Chacun des agents du système de contrôle-commande est ainsi associé à un modèle interne qui diffère suivant le type d'agent. Notamment, le modèle interne associé à chaque agent distributeur du système de contrôle multi-agents calcule un coût de distribution dû au transfert d'énergie par l'agent distributeur associé à un besoin donné d'énergie et/ou les ressources nécessaires à l'agent distributeur, associé à ce besoin d'énergie. De plus, le modèle interne associé à chaque agent producteur du système de contrôle multi-agents calcule des ressources nécessaires en énergie que l'agent producteur peut fournir aux agents distributeurs et/ou un besoin en énergie à fournir à l'agent producteur pour produire ces ressources nécessaires et/ou un coût de production des ressources nécessaires. Enfin, le modèle interne associé à chaque agent consommateur du système de contrôle multi-agents calcule des besoins en énergie à fournir à l'agent consommateur et/ou une satisfaction associée à des ressources reçues par l'agent consommateur.
Ces modèles internes peuvent par exemple être des modèles énergétiques, qui réalisent un bilan sur un appareil ou une sous-partie de réseau de distribution de l'installation. Il peut également s'agir de modèles caractérisant le fonctionnement d'un appareil en fonction de paramètres externes. Il peut enfin s'agir de modèles de prévision permettant d'estimer la valeur ou l'état futur d'un élément de l'installation. Les approches existantes se basent uniquement sur un modèle thermique du bâtiment ou sur l'estimation de la contribution des différents appareils. Contrairement à cela dans la solution selon l'invention, l'intégration d'un modèle de fonctionnement de chacun des appareils (éléments producteurs et/ou distributeurs et/ou consommateurs) et de modèles représentant le réseau de distribution, permet de tenir compte de nouveaux éléments, comme la contribution de panneaux solaires thermiques, les spécificités de fonctionnement des pompes à chaleur, ou l'influence des modalités de distribution d'énergie produite, sur la production de cette énergie. L'étape E1 d'élaboration peut comprendre de manière optionnelle une étape E2 de fourniture des agents environnementaux utilisés durant l'étape E10 d'optimisation. Ces agents environnementaux appartiennent au système de contrôle multi-agents et sont représentatifs de paramètres externes à l'installation, tels que le coût financier associé à l'énergie à partir de laquelle les éléments producteurs de l'installation produisent de l'énergie et/ou le coût d'exploitation et/ou le coût environnemental et/ou des prévisions météorologiques et/ou des paramètres de confort et/ou le comportement observé et/ou attendu des utilisateurs de l'installation. La phase P1 de modélisation de l'installation physique par le système de contrôle-commande 100 multi-agents comprend par ailleurs une étape E3 d'établissement de représentations logicielles 190, 195 associées à des éléments capteurs 1 10 et/ou des éléments actionneurs 120 de l'installation. La représentation logicielle 190 associée à chaque élément capteur 1 10 de l'installation et la représentation logicielle 195 associée à chaque élément actionneur 120 de l'installation est associée d'une part à un historique et à une prévision dont les valeurs sont observables par les agents du système de contrôle 100, et d'autre part à un unique agent du système de contrôle 100 responsable de la mise à jour de cette représentation logicielle. L'agent auquel est associée la représentation logicielle 190 associée à un élément capteur 1 10 donné contient un modèle de prévision mis en œuvre par un calculateur configuré de sorte à réaliser une prévision des représentations logicielles 190 des éléments capteurs 1 10 qui lui sont associées. Parallèlement, l'agent auquel est associée la représentation logicielle 195 d'un élément actionneur 120 donné contient un modèle de planification mis en œuvre par un calculateur configuré de sorte à réaliser une planification des représentations logicielles 195 des éléments actionneurs 120 qui lui sont associées. Ces modèles peuvent également être contenus directement dans la représentation logicielle des capteurs 190 ou des actionneurs 195.
En s'appuyant sur cette modélisation sous forme de système de contrôle- commande multi-agents résultant de la phase P1 de modélisation, la phase P2 de régulation de l'installation physique peut être assurée de la manière décrite ci-dessous en référence aux étapes E4 à E18 (figure 2). Cette description correspond à une implémentation centralisée de l'approche, c'est à dire au cas où l'ensemble des agents seraient exécutés sur un même calculateur. L'approche est également tout à fait applicable dans le cas d'une implémentation décentralisée, c'est à dire dans le cas où un ou plusieurs agents seraient exécutés sur des calculateurs différents (un agent représentant un appareil peut par exemple être déporté sur un calculateur présent sur l'appareil lui-même). Dans ce cas, les étapes spécifiques à chaque type d'agent seraient implémentées sur le calculateur, et un mécanisme de communication entre les agents (non décrit ici, mais existant dans la littérature) serait ajouté afin de leur permettre d'échanger les informations nécessaires à la bonne marche du système. Typiquement, chaque requête impliquant deux agents (demande d'un planning...) impliquerait un échange de messages entre les agents correspondants. Dans un premier temps, préalablement à l'étape E10 d'optimisation, la phase P2 de régulation comprend une étape E4 de réception par le système de contrôle-commande 100 multi-agents des valeurs provenant des éléments capteurs de l'installation et une étape E5 d'initialisation du système de contrôle-commande 100 multi-agents à partir des valeurs reçues à l'étape E4 de réception. Notamment, l'étape E5 d'initialisation comprend une étape E6 de mise à jour du système de contrôle 100 durant laquelle chacun des agents du système de contrôle 100 met à jour la prévision des représentations logicielles 190 associées aux éléments capteurs 1 10 associés à cet agent, à partir des valeurs reçues à l'étape E4 de réception et à partir de la mise en œuvre du modèle de prévision par un calculateur. Autrement dit, au début de chaque pas de temps en cas d'étapes E10 d'optimisation réalisées périodiquement, les valeurs instantanées des représentations logicielles capteurs 190 associées aux éléments capteurs 1 10 sont mises à jour avec les valeurs observées dans l'installation physique. En se basant sur ces éléments et sur le modèle de prévision des représentations logicielles 190 associées aux éléments capteurs 1 10, tous les agents du système de contrôle 100 mettent à jour la prévision de chaque représentation logicielle des capteurs 190 dont ils sont responsables.
L'étape E5 d'initialisation comprend aussi une étape E7 de détermination :
de prévisions de besoins en énergie des agents consommateurs 150 en mettant en œuvre le modèle des agents consommateurs 150 par un calculateur à partir des prévisions de représentations logicielles 190, associées aux éléments capteurs 1 10,
et/ou de prévisions de ressources et/ou des coûts associés des agents producteurs 140 en mettant en œuvre le modèle des agents producteurs 140 par un calculateur à partir de prévisions des représentations logicielles 190 associées aux éléments capteurs 1 10. Les étapes E6 et E7 peuvent être réalisées simultanément ou de manière séquentielle, dans un ordre quelconque entre elles. Le fonctionnement peut donc être le suivant : un agent, lorsqu'il reçoit la valeur observée d'un élément capteur 1 10, met à jour la valeur instantanée de la représentation logicielle 190 associée à cet élément capteur 1 10. Il met alors immédiatement à jour ses prévisions de besoins en énergie (s'il s'agit d'un agent consommateur 150) ou ses prévisions de ressources en énergie (s'il s'agit d'un agent producteur 140), sans attendre que toutes les valeurs des capteurs 1 10 aient été reçues par tous les agents du système. Les étapes E6 et E7 sont alors combinées. En pratique, le résultat obtenu serait potentiellement de moindre qualité dans le cas d'un fonctionnement séquentiel, car chaque agent n'utiliserait pas nécessairement la dernière valeur observée des capteurs 1 10. Néanmoins, l'approche resterait fonctionnelle. De plus, dans le cas d'une implémentation décentralisée, l'étape E5 peut avantageusement être mise en œuvre de cette manière. Cette seconde possibilité offre l'avantage d'une plus grande flexibilité au système. Autrement dit, en se basant sur leur modèle interne durant l'étape E5 d'initialisation, les agents consommateurs 150 du système de contrôle 100 construisent alors leur prévision de besoin en énergie permettant de répondre à leur fonction objectif, et les agents producteurs 140 du système de contrôle 100 construisent leur prévision de ressources et les coûts associés.
Ensuite, la phase P2 de régulation peut comprendre une étape E8 de sélection des critères d'optimisation utilisés ensuite durant les étapes suivantes de la phase P2 de régulation (notamment durant l'étape E10 d'optimisation) puis une étape E9 d'acquisition par le système de contrôle des critères d'optimisation sélectionnés à l'étape E8 de sélection. Il convient toutefois de préciser que ces étapes E8 et E9 être réalisées lors de la phase P1 de modélisation, ou préconfigurées dans le système, ou encore saisies à un autre instant (avant l'étape E5, par exemple). L'étape E10 d'optimisation hiérarchique distribuée réalisée suite à l'étape E5 d'initialisation comprend au moins une étape E1 1 de recueil, pour chacun des agents distributeurs du système de contrôle, de prévisions de besoins de chacun de ses agents « clients » en énergie, à partir de prévisions de besoins en énergie des agents consommateurs, et de prévisions de ressources de chacun de ses agents « fournisseurs » en énergie, à partir de prévisions de ressources des agents producteurs.
Rappelons que chaque agent distributeur du système de contrôle 100 est associé à au moins un autre agent de type « fournisseur » et à au moins un autre agent de type « client », ces agents « fournisseurs » et « clients » étant des agents producteurs ou des agents distributeurs ou des agents consommateurs suivant l'emplacement sur le réseau de distribution, ce qui permet la mise en œuvre des étapes E1 1 de recueil. Plus précisément, les étapes E1 1 de recueil de prévisions de besoins en énergie des agents « clients » et de prévisions de ressources en énergie des agents « fournisseurs » sont avantageusement répétées alternativement, par itérations successives au niveau de chaque agent distributeur. II ressort de ce qui précède que l'étape E10 d'optimisation hiérarchique distribuée, basée sur les agents distributeurs du système de contrôle et fonctionnant de manière itérative, permet d'abord de faire remonter et de consolider les besoins des agents consommateurs vers les agents producteurs, par étapes successives au niveau de chaque agent distributeur, à travers ses agents « clients » et ses agents « fournisseurs ». Ensuite, en partant des agents producteurs, l'étape E10 d'optimisation comprend une étape facultative E12 d'ajustement des prévisions de ressources des agents « fournisseurs » et des prévisions de besoins en énergie des agents « clients » durant laquelle, à partir des prévisions de ressources disponibles au niveau des agents producteurs, les agents distributeurs optimisent avec leurs agents « fournisseurs » les ressources permettant de répondre aux besoins en énergie de leurs agents « clients ». Puis, le procédé comprend une étape E13 obligatoire durant laquelle les agents distributeurs sélectionnent les ressources en fonction des critères d'optimisation acquis à l'étape E9, tenant compte des éventuels ajustements de l'étape E12.
Puis l'étape E10 d'optimisation comprend obligatoirement une étape E14 d'allocation consistant à affecter (ou attribuer) aux agents « clients » les ressources sélectionnées à l'étape E13 et une étape facultative E15 de vérification de la satisfaction des agents consommateurs et/ou des agents « clients » recevant les ressources affectées à l'étape E14 d'allocation. De manière facultative, les étapes E12, E13, E14 et E15 peuvent être itérées (soit l'ensemble d'entre elles, soit seulement certaines d'entre elles) jusqu'à ce que la satisfaction des agents consommateurs et/ou des agents « clients » soit satisfaite.
Au contraire des approches existantes, ce processus permet de choisir le ou les critères qui seront utilisés pour réaliser l'optimisation. Ainsi, en s'appuyant sur les modèles internes des agents, il est possible de minimiser par exemple la consommation d'énergie et/ou le coût d'exploitation et/ou le coût environnemental, tout en respectant le confort de l'occupant du bâtiment, pris en compte à travers le calcul des besoins initiaux et la satisfaction des agents « clients » à chaque niveau du système de contrôle. L'étape E10 d'optimisation comprend enfin une étape obligatoire E16 de mise en place d'une planification des ressources à recevoir et/ou à produire par les agents producteurs, distributeurs et consommateurs, chaque planification étant établie à partir des ressources affectées à l'étape E14 d'allocation et correspondant à un état des éléments actionneurs 120 de l'installation physique 200. Cela correspond à un état du système de contrôle 100 dans lequel les agents producteurs 140, distributeurs 160 et consommateurs 150 disposent d'une planification des ressources qu'ils vont recevoir et/ou qu'ils doivent produire. Les planifications réalisées à l'étape E16 correspondent à un état fixé de toutes les représentations logicielles des actionneurs 195 associées aux éléments actionneurs 120 de l'installation 200 pour chaque pas de temps futur, calculé grâce à leur modèle interne. A la fin du pas de temps, cet état est affecté à chacune des représentations logicielles 195 associées aux éléments actionneurs 120 par l'agent qui en est responsable.
Ainsi, suite à l'étape E10 d'optimisation, la phase P2 de régulation de l'installation peut comprendre, pour réaliser concrètement la commande des éléments actionneurs de l'installation en fonction des résultats et des prévisions de l'étape E10, d'une part une étape E17 de planification de la commande des éléments actionneurs de l'installation physique (cette commande pouvant être réalisée de toute manière adaptée), d'autre part une étape de commande proprement dite à partir de la planification de commande issue de l'étape E17, par exemple sous la forme d'une étape E18, décrite plus loin, d'émission d'ordres de commande par le système de contrôle à destination des éléments actionneurs.
L'état au pas de temps suivant des représentations logicielles 195 associées aux éléments actionneurs 120 est affecté aux actionneurs physiques 120 de l'installation, ce qui réalise le pilotage du système. C'est pourquoi le procédé peut comprendre une étape E18 d'émission d'ordres de commande par le système de contrôle à destination des éléments actionneurs, ces ordres de commande étant configurés de sorte à placer chacun des éléments actionneurs dans l'état correspondant à la planification préalablement mise en place à l'étape E16.
L'invention porte aussi sur un système de pilotage d'une installation de gestion de l'énergie, comprenant des éléments logiciels et/ou matériels qui mettent en œuvre le procédé de pilotage décrit ci-dessus. Notamment dans le cas particulier de la gestion thermique d'un bâtiment, le système de pilotage est un système de gestion des systèmes thermiques du bâtiment, les éléments consommateurs étant choisis par exemple parmi des éléments de chauffage et/ou de ventilation et/ou de climatisation et/ou de production d'eau chaude sanitaire. L'installation peut aussi concerner un réseau de chaleur ou un système couplant de l'énergie thermique et électrique.
L'invention concerne aussi d'une part un support d'enregistrement de données lisible par un calculateur, sur lequel est enregistré un programme informatique comprenant des moyens de codes de programme informatique de mise en œuvre des phases et/ou des étapes du procédé de pilotage, et d'autre part un programme informatique comprenant un moyen de codes de programme informatique adapté à la réalisation des phases et/ou des étapes du procédé de pilotage lorsque le programme est exécuté sur un calculateur.
Ce procédé de pilotage permet de répondre aux différentes problématiques suivantes. Tout d'abord, l'approche proposée permet de réaliser une optimisation suivant différents critères, comme par exemple la consommation d'énergie et/ou le coût d'exploitation et/ou le coût environnemental (par exemple la trace carbone). En effet, les modèles internes des agents producteurs et distributeurs leur permettent de calculer les besoins en énergie associés à leur fonction. En les couplant aux informations fournies par les agents environnementaux, telles que des prévisions du coût de l'électricité et du coût environnemental, chaque agent peut ainsi calculer ses propres coûts. Le système de contrôle peut alors utiliser ces informations lors de l'étape E10 d'optimisation et privilégier le critère d'optimisation choisi. On notera par ailleurs que les agents environnementaux rendent l'approche fortement extensible. Par exemple, la variation dynamique des prix de l'électricité va prochainement apparaître suite au déploiement à grande échelle des compteurs communicants. Cette variation peut aisément être intégrée à travers les agents environnementaux, sans modification de l'approche ni du fonctionnement du système de contrôle.
Ensuite, l'approche permet de prendre en compte les spécificités de nouvelles sources d'énergie. En effet, dans certains cas, il existe un couplage entre les appareils produisant de l'énergie thermique et les modalités suivant lesquelles cette énergie est distribuée. C'est par exemple le cas pour les pompes à chaleur air/eau ou air/air, dont le rendement dépend du flux d'air les traversant. La solution selon l'invention décrit explicitement le réseau de distribution de l'énergie, et intègre un modèle interne pour chacun des éléments modélisant une sous-partie de ce réseau. Les agents distributeurs peuvent ainsi optimiser leur propre fonctionnement en coordination avec les agents producteurs. Cette représentation explicite du réseau de distribution permet également de prendre en compte les spécificités liées aux vecteurs de transports aérauliques ou hydrauliques. En particulier, les agents représentant ce réseau intègrent dans leur modèle interne une modélisation du fonctionnement des auxiliaires qui acheminent l'énergie à travers l'installation physique. Ces auxiliaires induisent des besoins supplémentaires (du fait d'une consommation électrique par exemple) et des ressources (du fait de pertes sous forme de chaleur par exemple). Le processus d'optimisation permet ainsi d'intégrer ces éléments dans la régulation de l'installation.
Enfin, la solution proposée augmente la réutilisabilité des systèmes conçus. En effet, chaque appareil de l'installation est représenté par un agent, qui est une entité autonome répondant à des spécifications précises. Ainsi, le remplacement d'un agent par un autre n'a pas d'influence sur le fonctionnement du système de contrôle. De plus, des agents représentant des entités similaires (par exemple deux pompes à chaleur de marques différentes) ne différeront que par le paramétrage de leur modèle interne, ce qui rend leur réutilisation aisée entre différentes installations.
La principale application étudiée (mais non limitative) est la gestion des systèmes thermiques pour le bâtiment. La solution selon l'invention est particulièrement adaptée au contexte de la régulation d'appareils assurant des fonctions de chauffage et/ou de rafraîchissement et/ou de ventilation et/ou de production d'eau chaude sanitaire, ces appareils étant souvent dédiés aux bâtiments basse consommation. Toutefois de manière plus générale, la solution selon l'invention est applicable à toute installation gérant de l'énergie. Elle peut prendre en compte n'importe quel type de production d'énergie (chaudières à bois ou à gaz, par exemple). De plus, au-delà de la gestion des installations thermiques pour le bâtiment, elle peut également intégrer la dimension électrique (par exemple des panneaux solaires photovoltaïques et des convecteurs électriques). La solution proposée peut également être distribuée physiquement entre les différents appareils, ce qui ne la restreint pas à des appareils tout intégrés ou à l'utilisation d'un contrôleur centralisé. De plus, elle est extensible : des modèles évolués de prévision de la consommation, de prévision du comportement des habitants ou de la consommation d'eau chaude sanitaire peuvent y être inclus. Enfin, la solution a été conçue pour pouvoir être appliquée à d'autres domaines. En modélisant les centrales par des agents producteurs, les bâtiments par des agents consommateurs, et le réseau de distribution d'eau par des agents distributeurs, il est possible par exemple de modéliser et de piloter un réseau de chaleur, à l'échelle d'un quartier ou d'une ville. En modélisant les centrales par des agents producteurs, les bâtiments par des agents consommateurs, et le réseau électrique par des agents distributeurs, il est possible par exemple de modéliser et de piloter un réseau électrique intelligent (appelé souvent « smart grid » en terminologie anglo-saxonne).
Par la suite, un exemple applicatif d'installation physique va être décrit, qui servira de support au cours de la description de l'application du procédé de pilotage. Le système de contrôle multi-agents sera ensuite décrit et utilisé afin de modéliser l'installation physique, avant de préciser le fonctionnement de la régulation basée sur ce système de contrôle multi-agents. Enfin, la mise en œuvre de la solution selon l'invention sera détaillée sur l'exemple d'installation présenté.
Le cadre applicatif est la gestion des systèmes thermiques pour le bâtiment. Dans le cas des bâtiments à basse consommation d'énergie dits « BBC », dont les besoins en énergie sont faibles, les constructeurs ont développé des gammes d'appareils ou installations dédiés. Ceux-ci permettent d'assurer avec un seul équipement plusieurs fonctions dans le bâtiment, comme le chauffage et/ou le rafraîchissement et/ou la ventilation et/ou la production d'eau chaude sanitaire. Ces appareils, décrits sous le nom d'appareil multifonctions, combinent généralement différents éléments tels que :
un échangeur double flux, permettant un échange de chaleur entre l'air extrait et l'air insufflé, par exemple afin de préchauffer l'air frais entrant dans le bâtiment en utilisant l'air chaud extrait de celui-ci en période hivernale,
une pompe à chaleur, assurant une partie des besoins en chauffage du ballon d'eau chaude sanitaire et/ou du bâtiment,
et un ballon d'eau chaude sanitaire, dont le chauffage peut être complété par un appoint électrique ou des panneaux solaires thermiques.
Du fait des faibles puissances de chauffage mises en jeu, le vecteur de chauffage du bâtiment est généralement l'air afin de proposer une installation physique simple et compacte : l'infrastructure de chauffage est en effet alors commune à celle de la ventilation. L'installation est instrumentée à l'aide de différents capteurs, qui fournissent des informations permettant d'observer son état au cours du temps.
Le procédé de pilotage précédemment décrit peut ainsi, par exemple, s'appliquer à la conception de la régulation de tels appareils multifonctions. Dans la suite, la mise en œuvre du procédé de pilotage sera décrite en relation avec un appareil permettant d'assurer les fonctions de production d'eau chaude sanitaire et/ou de ventilation et/ou de chauffage et/ou de rafraîchissement. Un tel appareil peut par exemple combiner notamment, en référence à la figure 4, les éléments suivants : - un échangeur double-flux 10, réalisant un échange thermique entre un flux insufflé allant d'une zone d'air neuf 1 1 vers une zone d'air entrant 12 dans le bâtiment et un flux extrait allant d'une zone d'air vicié 13 vers une zone d'air sortant 14 hors du bâtiment,
un ballon 18 d'eau chaude sanitaire 19 trois zones, muni d'une résistance électrique 16 d'appoint en zone haute,
- une pompe à chaleur 15 assurant le chauffage 20 de la partie centrale du ballon 18,
et des panneaux solaires thermiques 17 assurant une fonction de chauffage dans la partie basse du ballon 18. La production d'eau chaude sanitaire 19 est assurée par le ballon 18 trois zones. La zone basse du ballon 18 est chauffée par les panneaux solaires thermiques 17, la zone centrale du ballon 18 est chauffée par la pompe à chaleur 15, et la zone haute est chauffée par la résistance électrique 16 d'appoint.
La fonction de chauffage du bâtiment est assurée par la combinaison du récupérateur double-flux 10 et d'un échangeur 21 entre la partie centrale du ballon 18 et le flux d'air entrant. La pompe à chaleur 15 assure donc simultanément une fonction de chauffage et une fonction de production d'eau chaude sanitaire. Le flux d'air à travers ces appareils est assuré par des ventilateurs non représentés.
Afin de permettre le pilotage de l'installation par le système de pilotage correspondant à l'invention, l'installation physique est tout d'abord modélisée sous forme d'un système de contrôle 100 multi-agents, dont les caractéristiques sont présentées sur la figure 4.
Tout d'abord, le système de contrôle 100 multi-agents possède une représentation interne du temps et connaît la durée séparant deux pas de temps, ce qui lui permet de manipuler des notions temporelles. Ces deux éléments lui permettent de construire des prévisions sur une période d'anticipation définie, appelée l'horizon de prévision. Un historique de longueur paramétrable est également défini.
Un ensemble de dispositifs 180 intégré au système de contrôle 100 permet de réaliser l'interface entre le système physique (correspondant à l'installation physique) et sa modélisation sous forme de système de contrôle 100 multi-agents, et de rendre disponible des informations complémentaires. Un dispositif 180 est une structure destinée à représenter des informations logicielles. Ces informations pourront par exemple être associées à un capteur 1 10 ou un actionneur 120 physique, un coût, ou encore un capteur virtuel. Un dispositif 180 contient en particulier une prévision de ses valeurs sur l'horizon de prévision, et un historique. Par exemple, si l'on souhaite représenter dans le système 100 le coût instantané de l'électricité provenant du réseau, et de lui associer une prévision sur l'horizon temporel et un historique, on définit alors un dispositif 180 qui permet de représenter ces informations.
Parmi l'ensemble des dispositifs 180, deux types particuliers se distinguent : l'ensemble des représentations logicielles capteurs 190 associées aux éléments capteurs 1 10 et l'ensemble des représentations logicielles actionneurs 195. Une représentation logicielle capteur 190 est la représentation logicielle d'un capteur physique 1 10. Une représentation logicielle actionneur 195 est la représentation logicielle d'un actionneur physique 120. Les représentations logicielles capteurs 190 et actionneurs 195 permettent de réaliser l'interface entre le contrôle- commande et l'installation physique 200.
Par exemple, si le système physique 200 est équipé d'un élément capteur physique 1 10 mesurant la température intérieure du bâtiment, cet élément capteur 1 10 peut être associé à une représentation logicielle capteur 190 qui permet de représenter dans le système 100 multi-agents la valeur actuelle du capteur physique 1 10 et de lui associer une prévision et un historique.
Par exemple, si le système physique 200 est équipé d'un élément actionneur 120 permettant de contrôler la marche et l'arrêt d'un appareil, cet élément actionneur 120 peut être associé à une représentation logicielle actionneur 195 qui permet au système 100 multi-agents de calculer une mise à jour de son état, une planification de ses états futurs et de conserver un historique de ses valeurs.
Le système de contrôle 100 multi-agents comprend quatre type d'agents virtuels : des agents producteurs 140, des agents consommateurs 150, des agents distributeurs 160 et des agents environnementaux 170. Un agent producteur 140 est un agent dont la fonction est de transformer de l'énergie en énergie thermique. Il contient un modèle interne mis en œuvre par un calculateur, qui lui permet en particulier de calculer pour une durée donnée les ressources en énergie thermique qu'il peut produire, et l'énergie consommée pour cette production. Un agent producteur contient également un ensemble de dispositifs 180 associés à un modèle interne. Parmi ces dispositifs 180 peuvent se trouver des représentations logicielles capteurs 190 et des représentations logicielles actionneurs 195.
Par exemple, une résistance électrique peut être modélisée par un agent producteur 140. Son modèle interne peut décrire l'énergie thermique fournie et l'énergie consommée (ici de l'énergie électrique) par exemple de la façon suivante : Eproduite ~ Econsommée ~ P max t avec Pmax la puissance maximale de la résistance et At la durée de fonctionnement. La résistance peut être associée à la représentation logicielle actionneur 195 contrôlant sa mise en marche et son arrêt. Le modèle interne de cette représentation logicielle actionneur 195 peut être basé sur une planification de production : la résistance est active si une production est nécessaire et est inactive sinon.
Un agent consommateur 150 est un agent dont la fonction est d'assurer le confort de l'occupant en utilisant de l'énergie thermique. Un agent consommateur 150 est associé à une fonction objectif. Typiquement, cette fonction peut être une consigne 210, éventuellement multiple (consignes de chauffage et de rafraîchissement dans un bâtiment, par exemple). Un agent consommateur 150 contient également une fonction d'utilité. Cela peut être une fonction simple, prenant par exemple en compte le respect ou non de l'objectif, ou une fonction évoluée, intégrant par exemple des notions d'amplification de l'inconfort au cours du temps. L'utilité peut également être utilisée pour définir une priorité entre les différents consommateurs du système. Un agent consommateur 150 contient également un modèle interne lui permettant en particulier de calculer ses besoins en énergie afin de satisfaire sa fonction objectif. Enfin, il contient un ensemble de dispositifs 180 associés à un modèle interne. Parmi ces dispositifs 180 peuvent se trouver des représentations logicielles capteurs 190, mais aucune représentation logicielle actionneur 195.
Par exemple, le confort thermique peut être modélisé par un agent consommateur 150. Sa fonction objectif peut être d'atteindre une consigne 210 constante à 19 degrés Celsius et son modèle interne peut être un modèle thermique du bâtiment permettant de déterminer l'énergie nécessaire pour atteindre la consigne 210, tel que par exemple selon la description suivante : Enecessaire ~ CAP * (Tcons - Tnt) + UA * (3/2 * Tmt - TCOns/2 - Text) * At avec UA, CAP des constantes caractéristiques du bâtiment. Un agent distributeur 160 est un agent dont la fonction est d'influer sur le transfert de l'énergie thermique dans le bâtiment. Un agent distributeur 160 modélise une sous-partie du réseau de distribution 220 du système physique 200 : l'ensemble des agents distributeurs 160 permet de représenter le réseau de connexions hydrauliques ou aérauliques entre les appareils 230 du système physique 200. Un agent distributeur 160 contient un modèle interne, qui permet de modéliser les contraintes et les coûts liés à l'acheminement de l'énergie. Cela peut être les pertes liées au réseau et/ou le coût de fonctionnement d'un ventilateur permettant d'assurer un flux d'air entre différents appareils 230. Un agent distributeur 160 contient un ensemble d'agents « clients », qui peuvent être soit des agents consommateurs 150, soit d'autres agents distributeurs 160. Il contient également un ensemble d'agents « fournisseurs », qui peuvent être soit des agents producteurs 140, soit d'autres agents distributeurs 160. Par définition, un agent producteur 140 ne peut être un agent « fournisseur » que d'un unique agent « distributeur », et un agent consommateur 150 ne peut être un agent « client » que d'un unique agent distributeur 160. Au contraire, un agent distributeur 160 peut être un agent « client » ou un agent « fournisseur » d'un nombre quelconque d'autres agents distributeurs 160. Cette définition conduit à une description hiérarchique du système de contrôle 100. Enfin, un agent distributeur 160 contient un ensemble de dispositifs 180 associés à un modèle interne. Parmi ces dispositifs 180 peuvent se trouver des représentations logicielles capteurs 190 et des représentations logicielles actionneurs 195 dont la mise à jour lui incombe. Par exemple, le circuit de fluide entre un capteur solaire thermique 17 et un ballon 18 peut être modélisé par un agent distributeur 160. Cet agent 160 aura un agent « fournisseur » (le capteur solaire) et un agent « client » (le ballon). Il est associé à un actionneur 120 constitué par le circulateur permettant de déplacer le fluide dans le circuit. Le modèle interne de ce circulateur peut être basé sur une planification de production : il sera allumé si une production est nécessaire et éteint sinon. Enfin, le modèle interne de l'agent 160 peut, par exemple, intégrer le coût lié à cette distribution du fait de la consommation du circulateur, et calculé par exemple de la façon suivante :
E consommée ~ P max Y t avec Pmax la puissance maximale du circulateur, y le signal de commande entre 0 et 1 et At la durée de fonctionnement.
Un agent environnemental 170 permet d'apporter des informations complémentaires sur l'environnement réel du système physique 200 en modélisant certaines de ses externalités. Ces informations sont représentées sous la forme d'un ensemble de dispositifs 180 associés à un modèle interne. Parmi ces dispositifs 180 peuvent se trouver des représentations logicielles capteurs 190, mais aucune représentation logicielle actionneur 195. Par exemple, le coût financier de l'énergie électrique provenant du réseau peut être géré par un agent environnemental 170. Cet agent assure alors la mise à jour d'un dispositif représentant ce coût, en utilisant un modèle interne représentant par exemple les heures pleines et creuses, ou des variations dynamiques du prix de l'électricité 240. Un agent environnemental 170 peut aussi intégrer un modèle associé à des informations relatives à des conditions météorologiques 250 par exemple.
Par ailleurs, chaque dispositif 180 ne peut être mis à jour que par un unique agent du système de contrôle 100.
Cette description de l'installation physique sous forme de système de contrôle multi-agents 100 permet ensuite un fonctionnement automatisé de la régulation. Ce fonctionnement s'appuie sur une optimisation hiérarchique distribuée. La boucle principale de contrôle est présentée dans un premier temps ci-dessous en référence à la figure 5 avant de détailler l'étape d'optimisation elle-même en référence à la figure 6.
La figure 5 présente un exemple d'algorithme permettant de réaliser ce fonctionnement pour une version centralisée de la régulation.
La boucle principale de contrôle de la figure 5 gère l'ensemble des opérations déclenchées à chaque pas de temps et permet d'assurer la régulation de l'installation physique. Elle se déroule conformément au procédé de pilotage décrit à la figure 2 précédemment introduite. Dans une architecture distribuée, cette boucle est distribuée sur les différents moyens de calcul disponibles, qui correspondent à des sous-ensembles du système 100. Le début d'un pas de temps est marqué par la réception des informations de l'installation physique, correspondant à l'étape E4 de réception.
La première action du système 100 multi-agents est ensuite de mettre à jour (première partie de l'étape E6 de mise à jour) la valeur initiale de la prévision de chacune des représentations logicielles capteurs 190 grâce à la valeur physique mesurée par l'élément capteur 1 10 physique associé. Ensuite, chaque agent du système 100 calcule la prévision des valeurs futures de chaque représentation logicielle capteur 190 dont il est responsable, en utilisant le modèle de prévision interne associé à cette représentation logicielle capteur 190 (ce qui correspond à la deuxième partie de l'étape E6 de mise à jour). Cette opération est répétée pour tous les agents d'indice i.
Les planifications (planning) initiales des besoins des agents consommateurs 150 et les planifications (planning) initiales de ressources pour les agents producteurs 140 sont ensuite construits (ce qui correspond à l'étape E7 de détermination) :
chaque agent consommateur 150 construit une prévision décrivant ses besoins en énergie sur l'horizon temporel. Cette prévision est construite à l'aide du modèle interne de l'agent 150, de sa fonction objectif et de sa fonction d'utilité.
- chaque agent producteur 140 construit une prévision décrivant les ressources qu'il est en mesure de fournir sur l'horizon temporel et l'énergie qui sera consommée pour cette production. Cette prévision est construite à l'aide du modèle interne de l'agent 140. En s'appuyant sur des dispositifs 180 complémentaires, indiquant par exemple les coûts associés à l'énergie considérée, il est ensuite possible d'intégrer éventuellement dans cette prévision le coût financier associé à la production, et/ou le coût environnemental, et/ou des coefficients de performance vis-à-vis de ces grandeurs, et/ou d'autres critères. Notons que chaque agent producteur 140 contient également un planning de production, qui décrit la planification de sa production sur l'horizon temporel.
Ces opérations sont répétées pour tous les agents d'indice j (j variant de 0 à n). Ensuite une optimisation hiérarchique distribuée est réalisée (correspondant à l'étape E10 d'optimisation), basée sur les agents distributeurs 160, et détaillée dans la section suivante. Elle permet de construire pour tous les agents producteurs 140, distributeurs 160 et consommateurs 150 une planification des ressources qu'ils vont recevoir et/ou qu'ils doivent fournir en tenant compte des critères d'optimisation préalablement sélectionnés dans l'étape E8 et acquis durant l'étape E9. Toute méthode d'optimisation permettant de construire ces planifications avec les propriétés requises pourrait convenir ici. Une méthode est proposée et détaillée en relation avec la figure 6 et l'ajustement des ressources (étape E12 d'ajustement), la sélection des ressources en fonction des critères choisis (étape E13 de sélection), puis l'allocation (étape E14 d'allocation) de ces ressources aux agents « clients » et la vérification (étape E15 de vérification) de leur satisfaction.
Les planifications obtenues correspondent à un état déterminé de toutes les représentations logicielles actionneurs 195 du système 100 sur l'horizon temporel. A partir de ces planifications, chaque agent met à jour la prochaine valeur et les prévisions de chaque représentation logicielle actionneur 195 dont il est responsable. Ceci correspond à l'étape E17 de mise en place. Ces opérations sont répétées pour tous les agents du système, l'indice k variant de 0 à n.
Enfin, l'état des représentations logicielles actionneurs 195 au pas de temps suivant (correspondant à la commande planifiée par les agents) est envoyé aux actionneurs physiques 120, ce qui réalise une mise à jour des actionneurs physiques 120 et un pilotage de l'installation 200. Ceci correspond à l'étape E18 d'émission. En référence à la figure 6 maintenant, l'étape E10 d'optimisation hiérarchique distribuée est basée sur les agents distributeurs 160. Chaque agent distributeur 160 attend si les prérequis pour son étape interne suivante ne sont pas remplis. Ces prérequis sont de deux types : lors de la consolidation E1 1 des besoins, la planification (planning) des besoins de tous ses agents « clients » doit être à jour,
- lors de l'optimisation E12 des ressources, la planification (planning) des ressources de tous ses agents « fournisseurs » doit être à jour.
Chaque agent distributeur 160 effectue les étapes internes qui suivent.
Tout d'abord, l'agent distributeur 160 récupère auprès de ses agents « clients » le planning de leurs besoins. Lorsque tous les plannings sont à jour, il met à jour son propre planning des besoins. Cette mise à jour peut par exemple être réalisée en consolidant les besoins de tous ses agents « clients » et en leur associant une utilité. Cette consolidation (symbolisée par le premier rectangle dans l'organigramme de gauche) peut par exemple être réalisée en sommant les besoins des agents « clients », en leur ajoutant le besoin supplémentaire associé à la distribution (étape symbolisée par le deuxième rectangle dans l'organigramme de gauche) calculé grâce au modèle interne de l'agent distributeur 160. Ce besoin supplémentaire permet par exemple d'intégrer des pertes de charge ou de chaleur sur le réseau de distribution. Par ailleurs, l'utilité associée à chacun des besoins peut par exemple être le maximum des utilités des agents « clients » ayant un besoin à ce pas de temps. Ce planning est ensuite disponible auprès des agents « fournisseurs » dont l'agent distributeur 1 60 est lui-même agent « client ». Globalement, la mise en œuvre de ces principes permet de réaliser une partie de l'étape E1 1 de recueil décrite sur la figure 2. De la même façon, l'agent distributeur 160 récupère auprès de ses agents « fournisseurs » le planning de leurs ressources. Globalement, la mise en œuvre de ces principes permet de réaliser une autre partie de l'étape E1 1 de recueil décrite sur la figure 2. Lorsque tous les plannings sont à jour, l'agent distributeur 160 passe aux étapes suivantes ci- dessous.
Une étape éventuelle E12 d'ajustement se déroule alors pour réaliser une optimisation (symbolisée par les quatrième et cinquième rectangles dans l'organigramme de gauche). Puis une étape E13 de sélection (symbolisée par le premier rectangle dans l'organigramme de droite) des ressources en fonction des critères choisis est obligatoirement accomplie, de même qu'une étape d'allocation E14 (symbolisée par le deuxième rectangle dans l'organigramme de droite de la figure 6) des ressources aux clients et enfin, facultativement, une étape de vérification E15 (symbolisée par le losange dans l'organigramme de droite de la figure 6) de leur satisfaction.
Durant la phase d'optimisation et de sélection des ressources, l'objectif est de sélectionner, parmi les ressources disponibles auprès des agents « fournisseurs », les ressources minimisant les critères d'optimisation choisis durant l'étape E8. Le total des ressources sélectionnées doit en outre répondre au confort demandé. Le processus se déroule de la manière suivante :
Tout d'abord, à partir de l'ensemble initial de ressources, le système 100 vérifie (phase symbolisée par le troisième losange dans l'organigramme de gauche de la figure 6) si le besoin est couvert. S'il n'est pas couvert, le système 100 passe à la phase de sélection E13 des ressources. S'il est couvert, le système 100 passe à l'étape d'optimisation des ressources par maximisation de la performance (étape symbolisée par le quatrième rectangle dans l'organigramme de gauche de la figure 6) : l'agent distributeur 160 et ses agents « fournisseurs » optimisent l'ensemble des ressources, afin d'obtenir un ensemble maximisant la performance correspondant à leur fonctionnement en association. Cette étape permet de prendre en compte l'influence des modalités de distribution de l'énergie sur la production de celle-ci.
Si l'ensemble de ressources ainsi obtenu couvre le besoin, le système 100 passe à la phase de sélection E13 des ressources. Par contre, si l'ensemble de ressources ne couvre pas le besoin, le système 100 passe à l'étape d'optimisation des ressources au plus près du besoin de l'installation 200 (étape symbolisée par le cinquième rectangle dans l'organigramme de gauche de la figure 6). Plusieurs stratégies sont possibles. Par exemple, en partant de l'ensemble de ressources déterminé préalablement, le système 100 peut adapter la quantité fournie au besoin, jusqu'à ce que le besoin soit couvert. Une autre possibilité est de maximiser le coefficient de performance de chaque ressource disponible, jusqu'à ce que l'ensemble des ressources satisfasse le besoin. A la fin de cette étape, l'agent distributeur 160 dispose d'un planning contenant l'ensemble des ressources sélectionnées. Puis, en référence à l'organigramme de droite de la figure 6, le système 100 réalise une sélection E13 des ressources, une allocation E14 des ressources et une vérification E15 de la satisfaction. Ainsi, dans une première phase de sélection E13 (étape symbolisée par le premier rectangle dans l'organigramme de droite de la figure 6), le système sélectionne parmi les ressources celles maximisant le ou les critères choisis. Cette sélection peut se faire grâce à différentes fonctions objectif. Par exemple, la fonction choisie peut être une combinaison de différents critères, comme le coût financier et le coût environnemental : U— 3 C 'financier + b Cenvironnemental avec a et b des constantes choisies en fonction d'une affinité particulière de l'utilisateur.
L'objectif peut également être de sélectionner prioritairement les ressources suivant certains critères : par exemple, sélectionner d'abord les ressources dont le coût financier est le plus faible, puis, à coût égal, celles dont le coût environnemental est le plus faible. Pour ce type de sélection, l'utilisation d'un coefficient de performance est particulièrement intéressante car il reflète l'efficacité énergétique en regard du coût (financier, environnemental...). Ces critères sont paramétrables par l'occupant à travers l'interface du système 100.
Dans une deuxième phase d'allocation E14 (symbolisée par le deuxième rectangle dans l'organigramme de droite de la figure 6) des ressources aux clients, une allocation de ressources suivant le besoin et l'utilité est réalisée. Les ressources sont attribuées en fonction du besoin en énergie et de l'utilité que chaque agent « client » lui associe. Pour cela, l'agent distributeur utilise une fonction d'utilité, définie de la manière suivante : pour chaque agent « client », si à l'instant t cet agent « client » a un besoin non nul en énergie, alors l'utilité pour la ressource est égale à l'utilité de cet agent « client ». Cette allocation E14 permet de construire le planning de production de chaque agent « fournisseur » de l'agent distributeur 160, et le planning de ressources de chacun de ses agents « clients ». Lors de cette étape, l'agent distributeur 160 déduit des ressources disponibles ses propres besoins, qu'il avait ajoutés lors de l'étape de consolidation des besoins dans l'organigramme de gauche.
Enfin, la satisfaction associée à l'allocation réalisée est vérifiée durant l'étape E15 (symbolisée par le losange dans l'organigramme de droite de la figure 6) pour chacun des agents « clients ». Si l'allocation satisfait l'ensemble d'entre eux, elle est conservée. Sinon, l'allocation E14 et la vérification E15 sont itérées (nouvelle allocation symbolisée par le deuxième rectangle de l'organigramme de droite de la figure 6) afin de maximiser la satisfaction des agents « clients ». Enfin, les décisions prises sont alors disponibles pour les agents « clients » et les agents « fournisseurs » de l'agent distributeur (étape symbolisée par le troisième rectangle de l'organigramme de droite de la figure 6). Celles-ci sont disponibles pour chacun des agents « fournisseurs » sous forme d'une planification de production, et pour chacun des agents « clients » sous forme d'une planification de ressources.
A la fin de l'exécution de l'ensemble des agents distributeurs 160, chacun des agents producteurs 140 et chacun des agents distributeurs 160 possède une planification de production à jour.
L'application de la méthode ci-dessus à l'exemple particulier de l'appareil multifonctions de la figure 3 est maintenant décrite. Il s'agit ici de réaliser la régulation de l'appareil multifonctions, qui assure des fonctions de ventilation et/ou de rafraîchissement et/ou de production d'eau chaude sanitaire. La modélisation du système 100 sous forme d'agents est présentée ci-dessous avant de détailler ensuite les spécifications de chacun des agents. Une fois cette modélisation réalisée, le système 100 proposé permet d'assurer la régulation de manière automatisée.
Le système physique 200, c'est-à-dire l'installation gérant de l'énergie constituée par l'appareil multifonctions, est constitué d'un ensemble d'éléments capteurs 1 10, d'éléments actionneurs 120, et de différents appareils 230. Il est instrumenté par différents capteurs 1 10, détaillés dans le tableau ci-dessous. A chacun de ces éléments capteurs est associée une représentation logicielle capteur 190. Capteur Description
Tbal H Température du ballon, partie haute
Tbal M Température du ballon, partie médiane
Tbal B Température du ballon, partie basse
Tcapteur Température du capteur solaire
Text Température extérieure
Tint Température intérieure
Tair vicié Température de l'air extrait après passage dans l'échangeur double-flux
Tair_neuf Température de l'air neuf après passage dans l'échangeur double-flux
Des actionneurs permettent de commander les appareils 230 et les éléments de distribution, tels que les circulateurs et les ventilateurs (détaillés dans le tableau ci-dessous). A chacun de ces éléments actionneurs 120 est associée une représentation logicielle actionneur 195.
Figure imgf000045_0001
Les appareils sont l'échangeur double-flux 10, le ballon 18 d'eau chaude sanitaire, la pompe à chaleur 15, le panneau solaire thermique 17 et la résistance électrique 16 d'appoint pour le ballon 18. Les fonctions assurées sont la ventilation et/ou le chauffage et/ou le rafraîchissement et/ou la production d'eau chaude sanitaire. Ces trois dernières fonctions sont associées à des objectifs de confort matérialisés sous forme de consignes 210.
Les différents éléments de l'installation sont modélisés de la manière suivante, en référence à la figure 7 : les agents producteurs 140 sont la pompe à chaleur 15 « PAC », le panneau solaire thermique 17 « capteur solaire » et la résistance électrique 16 d'appoint repérée « Résistance »,
les agents consommateurs 150 correspondent au « confort thermique », matérialisé par le bâtiment 130, et au confort en eau chaude sanitaire (repéré « confort ECS »).
Ensuite, différents agents distributeurs 160 se distinguent et modélisent le réseau de transport de l'énergie :
- un agent appelé « Ventilation » modélise le circuit de ventilation, intégrant les ventilateurs et l'échangeur double-flux 10,
un agent « circulateur solaire » modélise le réseau hydraulique entre le panneau solaire 17 et le ballon 18, intégrant un circulateur,
un agent « Ballon 3 zones » modélise le ballon 18 trois zones, - et un agent appelé « circulateur chauff. » modélise le réseau d'échange entre la zone centrale du ballon 18 et l'air entrant dans la maison, intégrant un circulateur.
Enfin, deux agents environnementaux 170 permettent d'intégrer les externalités du système :
le premier appelé « Météo » assure la prévision correspondant au capteur de température extérieure. Il peut être considéré comme un agent de prévisions météorologiques,
le second appelé « Electricité » assure la prévision correspondant au coût financier et au coût environnemental de l'énergie électrique provenant du réseau électrique. Il peut être considéré comme un agent réseau électrique.
Sur la figure 7, il est indiqué le nom de l'élément actionneur ou capteur (ou sa représentation logicielle) associé à chaque agent, ces noms étant répertoriés dans les deux tableaux ci-dessus en colonne de gauche. Les agents représentés en figure 7 intégrés au système de contrôle- commande 100 établi en relation avec l'installation de la figure 3, sont détaillés ci-dessous.
La pompe à chaleur 15 est modélisée par un agent producteur 140 appelé « PAC ». Elle est associée à la représentation logicielle actionneur 195 correspondant à l'actionneur physique permettant sa mise en marche et son arrêt (Cdepac)- La pompe à chaleur 15 ne pouvant être contrôlée qu'en marche/arrêt, le modèle interne de cet représentation logicielle actionneur 195 correspond à une mise en marche si de l'énergie doit être produite au pas de temps correspondant et à un arrêt dans le cas contraire. Le modèle interne de l'agent « PAC » peut par exemple inclure un paramètre de variation de rendement en fonction de la ventilation :
Eproduite ~ ( "Tair_vicié + b ajr_vjcjé + C Tajr_neuf + d ) At f( f) avec a, b, c, c/ des constantes caractéristiques de la pompe à chaleur 15, At la durée de fonctionnement, et f(q) une fonction du débit d'air passant dans l'échangeur 10.
Ce modèle permet d'estimer l'énergie fournie par la pompe à chaleur 15 et de calculer le compromis entre la ventilation et la puissance de chauffe. L'énergie finalement consommée peut par exemple correspondre à la puissance du compresseur de la pompe à chaleur 15, calculée de la manière suivante : c F consommée = 'P compresseur * At Ce modèle permet de calculer l'énergie thermique produite et l'énergie consommée, ici de l'énergie électrique provenant du réseau. Des modèles plus complexes, basés par exemple sur l'interpolation de points de fonctionnement réels, peuvent également être utilisés.
Le panneau solaire 17 est modélisé dans le système 100 par un agent « producteur » appelé « capteur solaire ». Il est associé au capteur correspondant à sa température (Tcapteur)- Le modèle interne utilisé pour sa prévision peut par exemple être la valeur recalée de la veille :
Tcapteur(tfinal) ~ TCapteur(tfinal ~ 24 h) + ( TCapteur(tinitial) ~ TCapteur(tinitial ~ 24h) ) avec tfinai l'instant final et imma l'instant initial pour la prévision. En ce qui concerne le modèle interne du panneau solaire 17, suivant les recommandations de la norme NF-EN-12975-2, la formule suivante peut par exemple être utilisée :
E produite = ri * S * G * At
avec q = no - a1 * (Tm - Ta) / G - a2 * (Tm - Ta)2/ G avec S la surface du capteur solaire, G l'ensoleillement, At la durée, ηο le facteur optique, a? et a2 des coefficients de pertes, Tm la température moyenne du capteur, et Ta la température extérieure.
Le panneau 17 utilise de l'énergie solaire, son coût en énergie est nul.
Soit Econsommée ~
La résistance électrique 16 est modélisée par un agent « producteur » appelé « Résistance ». Il contient la représentation logicielle actionneur 195 correspondant à sa mise en marche et son arrêt. Le modèle interne de cette représentation actionneur 195 correspond à une mise en marche si de l'énergie doit être produite au pas de temps correspondant et à un arrêt dans le cas contraire. Le modèle interne de la résistance correspond à sa puissance électrique : en fonctionnement, elle produit sa puissance maximale en énergie thermique, et consomme l'équivalent en énergie électrique :
E roduite ~ E consommée ~ max At avec Pmax la puissance maximale de la résistance 16, et At la durée de fonctionnement.
Le confort thermique est modélisé par un agent consommateur 150 appelé « Confort thermique » et matérialisé par la zone thermique du bâtiment 130. Cet agent 150 est associé à une représentation logicielle capteur 190 correspondant à la température intérieure du bâtiment Tint. Le modèle interne de cette représentation capteur 190 peut par exemple se baser sur un modèle du bâtiment: Tint (tfinai) = (CAP + UA * At * (Text(tinitial) - 3/2 * Tint(tinitial)) / (CAP - UA * At) avec UA le coefficient de déperditions thermiques du bâtiment, et
CAP la capacité calorifique du bâtiment 130. La fonction objectif correspond aux consignes fournies par l'occupant. Par exemple, la consigne de chauffage peut être une consigne horaire correspondant aux préconisations de la norme RT2005 : température de consigne de 19 degrés entre 18h et 10h du matin en semaine, de 16 degrés le reste du temps en semaine, et fixée à 19 degrés le week-end. La fonction d'utilité peut être associée à une priorité relative entre les besoins en eau chaude sanitaire et en chauffage, qui sont concurrents pour l'utilisation des ressources de la pompe à chaleur 15.
Enfin, le modèle interne de l'agent peut se baser sur le modèle thermique du bâtiment 130 :
Enécessaire ~ CAP * (Taons + Tmt) + UA *(3/2 * Tint - TCOns/2 - Text) *At avec UA le coefficient de déperditions thermiques du bâtiment, CAP la capacité calorifique du bâtiment, 7cons la température intérieure de consigne, Tint la température intérieure, et Text la température extérieure.
Le confort en eau chaude sanitaire est modélisé par un agent consommateur 150 appelé « Confort ECS ». Sa fonction objectif peut par exemple correspondre à une consigne Tcons_ecs permettant de répondre au besoin de l'occupant à tout instant (constante à 50°C par exemple). Le modèle interne de l'agent 150 peut par exemple correspondre à une réponse instantanée au besoin, en fonction de la température dans la zone haute du ballon 18 : si celle-ci n'est plus respectée, une demande en énergie proportionnelle à l'écart est émise. Par exemple :
Enécessaire ~ ki (Tœns_ecs ~ Tbal_H) avec / ? une constante caractéristique de l'installation.
Un autre type de modèle interne peut utiliser l'historique de consommation d'eau chaude sanitaire afin de prévoir les besoins en énergie associée. La fonction d'utilité de l'agent 150 peut par exemple être utilisée afin de gérer la priorité relative entre le chauffage et la production d'eau chaude sanitaire. Par ailleurs, les agents distributeurs 160 modélisent le réseau de distribution de l'énergie au sein de l'installation.
Le circuit de ventilation, intégrant les ventilateurs et l'échangeur double- flux 10, est modélisé par un agent « distributeur » 160 appelé « Ventilation ». Il est connecté à un agent « fournisseur », l'agent « PAC », et à un agent « client », l'agent « Ballon 3 zones » décrit ci- dessous. Il est associé à deux représentations logicielles capteurs 190 correspondant aux températures de sortie de l'échangeur double-flux 10, Tair vicié et Tair neuf- Les modèles internes de ces représentations capteurs 190 correspondent aux caractéristiques de l'échangeur 10, et peuvent par exemple être calculées de la façon suivante :
Tair_vicié ~ Tint ~ Π ( Tint ~ 7~exi )
Tair neuf ~ 7~exi + ή ( Tjnt ~ Text ) avec r-ι le rendement de l'échangeur double-flux 10.
Par ailleurs, l'agent « Ventilation » est associé à la représentation logicielle actionneur 195 permettant de commander les ventilateurs (CdeVentii)- Le modèle interne associé à cette représentation actionneur 195 permet d'obtenir le comportement suivant : par défaut, la ventilation est au minimum, sinon, la valeur utilisée est celle obtenu après optimisation avec son agent « fournisseur », c'est-à-dire l'agent « PAC » modélisant la pompe à chaleur 15. Par ailleurs, le modèle interne de l'agent « Ventilation » permet d'intégrer le coût associé à la ventilation. Ce coût est ajouté lors de l'étape de sélection E13 des ressources, afin de prendre en compte le coût global d'une ressource, incluant son acheminement. Pour les ventilateurs, le modèle peut par exemple être le suivant : Econsommée ~ Pmax * (do + dl * Y + 82 * Y2) * t avec a0, a1; a2 constantes caractéristiques du ventilateur, γ le signal de commande entre 0 et 1 , Pmax la puissance maximale du ventilateur et Δί le temps de fonctionnement.
Le circuit solaire de l'installation, qui permet de faire circuler un fluide entre le capteur solaire 17 et le ballon 18, est modélisé par un agent « distributeur » 160 appelé « Circulateur solaire » . Il est connecté à un agent « client », l'agent « Capteur solaire » modélisant le capteur solaire 17, et à un agent « fournisseur », l'agent « Ballon 3 zones » modélisant le ballon trois zones 18. L'agent « Circulateur solaire » intègre la représentation logicielle actionneur 195 correspondant à la commande du circulateur associé à ce circuit. Le modèle interne de cette représentation actionneur 195 peut par exemple correspondre à un pilotage à vitesse variable, afin d'obtenir une vitesse régulée pour que la différente de température entre la zone basse du ballon 18 (Tbai_B) et la température du capteur solaire 17 (Tcapteur) soit constante. Le modèle interne de l'agent « Capteur solaire » peut par exemple permettre d'intégrer le coût lié à son fonctionnement :
Econsommée ~ P max Y t avec Pmax la puissance maximale du circulateur, γ le signal de commande entre 0 et 1 et At la durée d'allumage.
Le circuit chauffage de l'installation de la figure 3 permet d'échanger de la chaleur entre la partie centrale du ballon trois zones 18 et l'air entrant 12 dans le bâtiment 130, et est modélisé par un agent distributeur 160 appelé « Circulateur chauff. ». Il est connecté à un agent « client », i.e. l'agent « Confort thermique » modélisant le confort thermique du bâtiment 130, et à un agent « fournisseur », i.e. l'agent « Ballon 3 zones » modélisant le ballon trois zones 18. L'agent « Circulateur chauff. » intègre la représentation logicielle actionneur 195 correspondant au circulateur permettant de réaliser cet échange. Le modèle interne de l'agent « Circulateur chauff. » peut par exemple permettre d'intégrer le coût lié à son fonctionnement :
E consommée ~ P max Y t avec Pmax la puissance maximale du circulateur, y le signal de commande entre 0 et 1 et At la durée de fonctionnement.
Le ballon à trois zones 18, pour sa part, est modélisé par un agent distributeur 160 appelé « Ballon 3 zones ». Cet agent est connecté à deux agents « clients » l'agent « Circulateur chauff. » modélisant le circuit de chauffage et l'agent « Confort ECS » modélisant le confort en eau chaude sanitaire, et à trois agents « fournisseurs », à savoir l'agent « ventilation » modélisant la ventilation, l'agent « Résistance » modélisant la résistance et l'agent « Circulateur solaire » modélisant le circuit solaire. L'agent « Ballon 3 zones » intègre les trois représentations logicielles capteurs 190 correspondant aux mesures de température en zone basse, milieu et haute du ballon (respectivement Tbai_B> Tbaij i et Tbai_H)- Le modèle interne de ces représentations logicielles capteurs 190 peut par exemple être un modèle de persistance :
Tbal_B (tfinal) = Tbal_B (tinitial)
Figure imgf000053_0001
(tfinal) = Tbal_M (tinitial)
Tbal_H (tfinal) = Tbal_ (tinitial) Le modèle interne de l'agent « Ballon 3 zones » peut par exemple être le modèle proposé dans la norme RT2012. Enfin, les agents environnementaux 170 correspondent à un agent prévision météo appelé « Météo » et à un agent réseau électrique appelé « Electricité ».
L'agent environnemental 170 de prévision météo appelé « Météo » est associé à la représentation logicielle capteur 190 correspondant à la température extérieure Text. Différents modèles internes peuvent être utilisés pour réaliser une prévision pour cette représentation capteur 190, comme la persistance de la température observée, l'utilisation de température de la veille recalée sur celle du jour, voire des modèles plus avancés. Par exemple, un modèle basé sur la valeur recalée de la veille peut être utilisé : Text(tfinal) = Text(tfinal ~ 24h) + ( Text(tjnitial) ~ Text(t initial ~ 24h) )
L'agent environnemental 170 de réseau électrique appelé « Electricité » est associé à deux dispositifs ceuros et cenv correspondant respectivement au coût financier et au coût environnemental de l'énergie électrique provenant du réseau. Par exemple, le coût financier peut être calculé grâce à un modèle interne reflétant le fonctionnement des heures pleines/heures creuses :
Ceums(t) = chp si t en heure pleine,
cnc si t en une heure creuse avec ChP le coût de l'électricité en heures pleines, et cnc le coût de l'électricité en heures creuses. Le coût environnemental peut par exemple correspondre aux émissions de CO2, fonction du kWh électrique consommé, et pour un contenu réparti par saison par usage (tel que défini dans le document ADEME, RTE « Le contenu en CO2 du kWh électrique : avantages comparés du contenu marginal et du contenu par usages sur la base de l'historique »), correspondant au modèle interne suivant : Cenv(t) = 80 g/kWh pour le chauffage et 40 g/kWh sinon
Dans cette modélisation, le coût de l'électricité provenant du réseau électrique est intégré à travers un agent environnemental 170 repéré « Electricité ». Toutefois, il serait tout à fait possible d'intégrer l'électricité dans la modélisation sous forme d'agent.
Finalement, chacune des représentations logicielles actionneurs et capteurs est bien associée à un agent. Tous les éléments actionneurs physiques 120 sont donc bien commandés par le système de contrôle- commande 100 multi-agents.
Basé sur cette modélisation, l'application de la régulation suivant le processus de la phase P2 assure le pilotage de l'installation. Enfin, la figure 8 représente les valeurs observées des capteurs de température de l'installation sur une période de 24 heures.
Plus précisément :
la courbe C1 correspond à l'évolution dans le temps de la température en zone haute du ballon Tbai_H,
la courbe C2 correspond à l'évolution dans le temps de la température en zone milieu du ballon Tbai_M,
la courbe C3 correspond à l'évolution dans le temps de la température intérieure Tint,
- la courbe C4 correspond à l'évolution dans le temps de la température en zone basse du ballon Tbai_B, la courbe C5 correspond à l'évolution dans le temps de la température du capteur solaire Tcapteur,
et la courbe C6 correspond à l'évolution dans le temps de la température extérieure Text.
La figure 9 quant à elle représente les commandes des différents éléments actionneurs 120 de l'installation calculées par le système de contrôle 100 sur la période de 24 heures. Plus précisément :
la courbe C7 correspond à l'évolution dans le temps de la commande de la pompe à chaleur 15, i.e. la représentation logicielle CdepAc,
la courbe C8 correspond à l'évolution dans le temps de la commande de la résistance électrique 16 d'appoint, i.e. la représentation logicielle CdeReiec,
la courbe C9 correspond à l'évolution dans le temps de la commande de la ventilation, i.e. la représentation logicielle CdeVent,
la courbe C10 correspond à l'évolution dans le temps de la commande du circulateur solaire, i.e. la représentation logicielle
Cdesolaire,
L'invention décrite précédemment est un procédé de pilotage associé à un système de pilotage, permettant d'assurer la gestion des éléments actionneurs d'une installation gérant de l'énergie. Il s'agit notamment de gérer des éléments thermiques des bâtiments ou d'autres installations utilisant des systèmes thermiques tels que par exemple les réseaux de chaleur. Le système de contrôle permet d'optimiser cette gestion suivant différents critères autres que uniquement la consommation énergétique en intégrant l'utilisation de sources d'énergies électriques et non- électriques. De plus, il tient compte des contraintes liées au réseau de distribution de l'énergie et intègre les auxiliaires de distribution dans le processus d'optimisation. Enfin, la solution selon l'invention permet de concevoir un système réutilisable entre différentes installations et systèmes. Pour ce faire, il ressort de ce qui précède que le procédé combine une description à base d'agents, et un processus d'optimisation s'appuyant sur cette description. L'installation de gestion de l'énergie, par les éléments qui les composent, est décrite sous forme d'agents consommateurs, d'agents distributeurs, d'agents producteurs, et d'agents environnementaux. Ces agents intègrent des modèles leur permettant de calculer en particulier les besoins, les ressources ou le coût associés à la consommation ou à la production d'énergie thermique, permettant d'assurer par exemple les fonctions de chauffage, de rafraîchissement, de ventilation, ou de production d'eau chaude sanitaire. En se basant sur cette description, le système utilise ensuite un processus distribué afin d'optimiser la production d'énergie, notamment de type thermique, en fonction des critères préalablement choisis et potentiellement distincts de la consommation énergétique globale.

Claims

REVENDICATIONS
1 . Procédé de pilotage d'une installation de gestion de l'énergie, caractérisé en ce qu'il comprend :
· une phase (P1 ) de modélisation de l'installation comportant :
une étape (E1 ) d'élaboration d'un système de contrôle multi-agents incluant au moins des agents consommateurs, distributeurs et producteurs d'énergie représentatifs au moins d'un fonctionnement associé à des éléments de l'installation respectivement consommateurs, distributeurs et producteurs d'énergie, chacun des agents intégrant un modèle mis en œuvre par un calculateur,
les modèles des agents distributeurs d'énergie tenant compte de caractéristiques relatives aux éléments distributeurs de l'installation, dont les contraintes de distribution et/ou la consommation d'énergie et/ou les coûts financiers et/ou environnementaux de distribution et/ou l'influence du fonctionnement des éléments distributeurs sur le fonctionnement des éléments producteurs,
• une phase (P2) de régulation de l'installation comportant :
une étape (E10) d'optimisation utilisant les modèles intégrés aux agents du système de contrôle de sorte à optimiser la manière de produire l'énergie par les agents producteurs, de la distribuer par les agents distributeurs et de l'allouer aux agents consommateurs, en fonction de critères d'optimisation basés sur la consommation d'énergie de l'installation et/ou sur au moins un autre critère tel que le coût d'exploitation et/ou le coût environnemental de l'installation et/ou des prévisions météorologiques et/ou des paramètres de confort et/ou le comportement observé et/ou attendu des utilisateurs de l'installation, une étape (E17, E18) de commande des éléments actionneurs de l'installation basée sur les résultats de l'étape (E10) d'optimisation à partir de la mise en œuvre des modèles intégrés aux agents.
2. Procédé de pilotage selon la revendication 1 , caractérisé en ce que le modèle associé à chaque agent distributeur calcule un coût de distribution dû au transfert d'énergie par l'agent distributeur et/ou les ressources nécessaires à l'agent distributeur, associés à un besoin donné d'énergie.
3. Procédé selon l'une des revendications 1 et 2, caractérisé en ce que le modèle associé à chaque agent producteur calcule des ressources nécessaires que l'agent producteur peut fournir et/ou un besoin en énergie à fournir à l'agent producteur pour produire ces ressources nécessaires et/ou un coût de production des ressources nécessaires.
4. Procédé selon l'une des revendications 1 à 3, caractérisé en ce que le modèle associé à chaque agent consommateur calcule des besoins en énergie à fournir à l'agent consommateur et/ou une satisfaction associée à des ressources reçues par l'agent consommateur.
5. Procédé selon l'une des revendications 1 à 4, caractérisé en ce que la phase (P1 ) de modélisation de l'installation comprend une étape (E3) d'établissement de représentations logicielles associées à des éléments capteurs et/ou des éléments actionneurs de l'installation.
6. Procédé selon la revendication 5, caractérisé en ce que la représentation logicielle associée à chaque élément capteur et à chaque élément actionneur de l'installation est associée à un historique et à une prévision, dont les valeurs sont observables par les agents du système de contrôle.
7. Procédé selon l'une des revendications 5 et 6, caractérisé en ce que la représentation logicielle associée à chaque élément capteur et à chaque élément actionneur de l'installation est associée à un unique agent du système de contrôle, cet agent étant responsable de la mise à jour de cette représentation logicielle.
8. Procédé selon la revendication 7, caractérisé en ce que l'agent auquel est associée la représentation logicielle associée à un élément capteur donné contient un modèle de prévision mis en œuvre par un calculateur.
9. Procédé selon l'une des revendications 7 et 8, caractérisé en ce que l'agent auquel est associée la représentation logicielle d'un élément actionneur donné contient un modèle de planification mis en œuvre par un calculateur.
10. Procédé selon l'une des revendications 1 à 9, caractérisé en ce que l'étape (E1 ) d'élaboration comprend une étape (E2) de fourniture d'agents environnementaux utilisés durant l'étape (E10) d'optimisation, appartenant au système de contrôle multi-agents et représentatifs de paramètres externes à l'installation, tels que le coût financier associé à l'énergie à partir de laquelle les éléments producteurs produisent de l'énergie et/ou le coût d'exploitation et/ou le coût environnemental et/ou des prévisions météorologiques et/ou des paramètres de confort et/ou le comportement observé et/ou attendu des utilisateurs de l'installation.
1 1 . Procédé selon l'une des revendications 1 à 10, caractérisé en ce que préalablement à l'étape (E10) d'optimisation, la phase (P2) de régulation comprend une étape (E4) de réception par le système de contrôle des valeurs provenant des éléments capteurs de l'installation et une étape (E5) d'initialisation du système de contrôle à partir des valeurs reçues à l'étape (E4) de réception.
12. Procédé selon la revendication 1 1 , caractérisé en ce que l'étape d'initialisation (E5) comprend une étape (E6) de mise à jour du système de contrôle durant laquelle chacun des agents du système de contrôle met à jour la prévision des représentations logicielles associées aux éléments capteurs associés à cet agent, à partir des valeurs reçues à l'étape (E4) de réception et à partir de la mise en œuvre du modèle de prévision par un calculateur.
13. Procédé selon la revendication 12, caractérisé en ce que l'étape (E5) d'initialisation comprend une étape (E7) de détermination :
de prévisions de besoins en énergie des agents consommateurs en mettant en œuvre le modèle des agents consommateurs par un calculateur à partir des prévisions de représentations logicielles associées aux éléments capteurs,
et/ou de prévisions de ressources et/ou des coûts associés des agents producteurs en mettant en œuvre le modèle des agents producteurs par un calculateur à partir de prévisions des représentations logicielles associées aux éléments capteurs.
14. Procédé selon l'une des revendications 1 à 13, caractérisé en ce que l'étape (E10) d'optimisation comprend au moins une étape (E1 1 ) de recueil, pour chacun des agents distributeurs, de prévisions de besoins de ses agents « clients » en énergie, à partir de prévisions de besoins en énergie des agents consommateurs et de prévisions de ressources de ses agents « fournisseurs » en énergie, à partir de prévisions de ressources des agents producteurs.
15. Procédé selon la revendication 14, caractérisé en ce que les étapes (E1 1 ) de recueil de prévisions de besoins et de prévision de ressources sont répétées alternativement, par itérations successives au niveau des agents distributeurs.
16. Procédé selon l'une des revendications 14 et 15, caractérisé en ce que l'étape (E10) d'optimisation comprend une étape (E12) d'ajustement des prévisions de ressources des agents « fournisseurs » et des prévisions de besoins en énergie des agents « clients » durant laquelle, à partir des prévisions de ressources disponibles des agents producteurs, les agents distributeurs optimisent avec leurs agents « fournisseurs » les ressources permettant de répondre aux besoins en énergie de leurs agents « clients ».
17. Procédé selon l'une des revendications 14 à 16, caractérisé en ce qu'il comprend une étape (E13) de sélection des ressources, par les agents distributeurs, en fonction des critères d'optimisation.
18. Procédé selon la revendication 17, caractérisé en ce que l'étape (E10) d'optimisation comprend une étape (E14) d'allocation consistant à affecter aux agents « clients » les ressources sélectionnées à l'étape (E13) de sélection et éventuellement une étape (E15) de vérification de la satisfaction des agents consommateurs et/ou des agents « clients » recevant les ressources affectées à l'étape (E14) d'allocation.
19. Procédé selon la revendication 18, caractérisé en ce que l'étape (E10) d'optimisation comprend une étape (E16) de mise en place d'une planification des ressources à recevoir et/ou à produire par les agents producteurs, distributeurs et consommateurs, chaque planification étant établie à partir des ressources affectées à l'étape d'allocation et correspondant à un état des éléments actionneurs de l'installation.
20. Procédé selon la revendication 19, caractérisé en ce qu'il comprend une étape (E18) d'émission d'ordres de commande par le système de contrôle à destination des éléments actionneurs, ces ordres de commande étant configurés de sorte à placer chacun des éléments actionneurs dans l'état correspondant à la planification préalablement mise en place.
21 . Procédé selon l'une quelconque des revendications 1 à 20, caractérisé en ce que la phase (P2) de régulation comprend une étape
(E8) de sélection des critères d'optimisation et une étape (E9) d'acquisition par le système de contrôle des critères d'optimisation sélectionnés à l'étape (E8) de sélection.
22. Système de pilotage d'une installation de gestion de l'énergie, caractérisé en ce qu'il comprend des éléments logiciels et/ou matériels qui mettent en œuvre le procédé de pilotage selon l'une des revendications précédentes.
23. Système de pilotage selon la revendication précédente, caractérisé en ce qu'il est un système de gestion soit des systèmes thermiques d'un bâtiment, les éléments consommateurs étant parmi par exemple des éléments de chauffage et/ou de ventilation et/ou de climatisation et/ou de production d'eau chaude sanitaire, soit d'un réseau de chaleur, soit d'une installation couplant de l'énergie thermique et de l'énergie électrique.
24. Support d'enregistrement de données lisible par un calculateur, sur lequel est enregistré un programme informatique comprenant des moyens de codes de programme informatique de mise en œuvre des phases et/ou des étapes d'un procédé de pilotage selon l'une des revendications 1 à 21 .
25. Programme informatique comprenant un moyen de codes de programme informatique adapté à la réalisation des phases et/ou des étapes d'un procédé de pilotage selon l'une des revendications 1 à 21 , lorsque le programme est exécuté sur un calculateur.
PCT/EP2013/057636 2012-04-12 2013-04-11 Procede et systeme de pilotage d'une installation de gestion de l'energie WO2013153184A1 (fr)

Priority Applications (2)

Application Number Priority Date Filing Date Title
EP13714981.1A EP2836880A1 (fr) 2012-04-12 2013-04-11 Procede et systeme de pilotage d'une installation de gestion de l'energie
US14/390,339 US20150066229A1 (en) 2012-04-12 2013-04-11 Method and system for controlling an energy management installation

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR1253371 2012-04-12
FR1253371A FR2989476B1 (fr) 2012-04-12 2012-04-12 Procede et systeme de pilotage d'une installation de gestion de l'energie

Publications (1)

Publication Number Publication Date
WO2013153184A1 true WO2013153184A1 (fr) 2013-10-17

Family

ID=48050769

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/EP2013/057636 WO2013153184A1 (fr) 2012-04-12 2013-04-11 Procede et systeme de pilotage d'une installation de gestion de l'energie

Country Status (4)

Country Link
US (1) US20150066229A1 (fr)
EP (1) EP2836880A1 (fr)
FR (1) FR2989476B1 (fr)
WO (1) WO2013153184A1 (fr)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108333920A (zh) * 2014-03-11 2018-07-27 陈则韶 一种热力系统参数的优化调整方法
CN110906571A (zh) * 2019-11-30 2020-03-24 华南理工大学 基于机器学习的太阳能热泵热水系统控制策略优化方法

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140278699A1 (en) * 2013-03-15 2014-09-18 Honeywell International Inc. Modeling energy conversion in systems
US20160218505A1 (en) * 2013-08-28 2016-07-28 Robert Bosch Gmbh System and Method for Energy Asset Sizing and Optimal Dispatch
FI20155451A (fi) * 2015-06-11 2016-12-12 Leanheat Oy Menetelmä rakennuksen lämmityksen ohjaamiseksi
CN106249598B (zh) * 2016-09-26 2022-03-08 河海大学 一种基于多代理的工业大用户能效优化控制方法
US10845771B2 (en) * 2017-05-22 2020-11-24 PassiveLogic, Inc. Automated method of generalized building automation from atomic physical models and control loops thereof
US10969133B2 (en) 2017-05-31 2021-04-06 PassiveLogic, Inc. Methodology of occupant comfort management in buildings using occupant comfort models and user interfaces thereof
US10705492B2 (en) * 2017-06-12 2020-07-07 PassiveLogic, Inc. Heuristic method of automated and learning control, and building automation systems thereof
US10708078B2 (en) 2017-06-13 2020-07-07 PassiveLogic, Inc. Automatic control method of generating sub-systems and sub-system arbitration from the deconstruction of a complex equipment graph
US10721630B2 (en) 2017-11-06 2020-07-21 Cisco Technology, Inc. Automated sensor coverage optimization with an actuating walker agent
EP3505833A1 (fr) * 2017-12-27 2019-07-03 Brunnshög Energi AB Procédé permettant d'améliorer l'utilisation de réseaux d'énergie
FR3110260B1 (fr) * 2020-05-15 2023-01-06 Agrid Procédé de gestion d’énergie

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050034023A1 (en) * 2002-12-16 2005-02-10 Maturana Francisco P. Energy management system

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050034023A1 (en) * 2002-12-16 2005-02-10 Maturana Francisco P. Energy management system

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NGUYEN, P.H.: "Distributed routing algorithms to manage power flow in agent-based active distribution network", INNOVATIVE SMART GRID TECHNOLOGIES CONFERENCE EUROPE (ISGT EUROPE), 2010 IEEE PES, 13 October 2010 (2010-10-13), XP002689747, Retrieved from the Internet <URL:http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5638951&tag=1> [retrieved on 20130103] *
PENG ZHAO: "An Energy Management System for Building Structures Using a Multi-Agent Decision-Making Control Methodology", INDUSTRY APPLICATIONS SOCIETY ANNUAL MEETING (IAS), 2010 IEEE, 7 October 2010 (2010-10-07), XP002689748, Retrieved from the Internet <URL:http://ieeexplore.ieee.org/xpls/abs_all.jsp?arnumber=5615412&tag=1> [retrieved on 20130103] *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108333920A (zh) * 2014-03-11 2018-07-27 陈则韶 一种热力系统参数的优化调整方法
CN110906571A (zh) * 2019-11-30 2020-03-24 华南理工大学 基于机器学习的太阳能热泵热水系统控制策略优化方法

Also Published As

Publication number Publication date
EP2836880A1 (fr) 2015-02-18
FR2989476A1 (fr) 2013-10-18
US20150066229A1 (en) 2015-03-05
FR2989476B1 (fr) 2016-02-19

Similar Documents

Publication Publication Date Title
EP2836880A1 (fr) Procede et systeme de pilotage d&#39;une installation de gestion de l&#39;energie
CN109002957B (zh) 具有经济负载需求响应(eldr)优化的建筑物能量优化系统
Wei et al. A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy
CN108306418B (zh) 具有多需量计费型成本优化的建筑物能量存储系统
US20190147551A1 (en) System and Method for Decentralized Energy Production
Wang et al. Building power demand response methods toward smart grid
JP6178045B2 (ja) エネルギー管理システム、エネルギー管理方法、プログラムおよびサーバ装置
US9235847B2 (en) Energy-disutility modeling for agile demand response
MX2015000350A (es) Metodo y aparato para la gestion activa de suministro de energia electrica para una red de energia electrica.
US20130262654A1 (en) Resource management system with resource optimization mechanism and method of operation thereof
WO2012145563A1 (fr) Procédés, appareil et systèmes permettant de gérer des biens en rapport avec l&#39;énergie
WO2022251700A1 (fr) Système de commande de bâtiment à commande prédictive d&#39;émissions de carbone à l&#39;aide d&#39;un taux d&#39;émissions de fonctionnement marginal
Kohlhepp et al. Technical potential of buildings in Germany as flexible power‐to‐heat storage for smart‐grid operation
JP2015033199A (ja) 情報処理装置及びサービス提供方法
Tomar et al. An integrated flexibility optimizer for economic gains of local energy communities—A case study for a University campus
EP3140896B1 (fr) Dispositif pour reduire la puissance electrique consommee par au moins une charge electrique de puissance, systeme et procede associes
JP2015056977A (ja) 機器動作解析システムおよび情報通信システム
Maryasin et al. Optimizing the daily energy consumption of an enterprise
JP5919881B2 (ja) ヒートポンプ式給湯装置
JP2015056975A (ja) 自家発電電力制御システムおよび情報通信システム
Panagopoulos et al. Advanced economic control of electricity-based space heating systems in domestic coalitions with shared intermittent energy resources
Sundström et al. Aggregating the flexibility provided by domestic hot-water boilers to offer tertiary regulation power in Switzerland
JP6130277B2 (ja) 平準化調整システムおよび情報通信システム
WO2022029235A1 (fr) Procede et installations pour fournir de l&#39;energie notamment thermique dans au moins un batiment ou analogue, et systeme s&#39;y rapportant
Seal et al. Coordination of radiant floor and baseboard heating systems: Sequential and simultaneous MPC schemes

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13714981

Country of ref document: EP

Kind code of ref document: A1

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
WWE Wipo information: entry into national phase

Ref document number: 14390339

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2013714981

Country of ref document: EP