Gestion Énergétique optimisée pour un bâtiment

intelligent multi-sources multi-charges : différents

principes de validations
Rim Missaoui Badreddine

To cite this version:

Rim Missaoui Badreddine. Gestion Énergétique optimisée pour un bâtiment intelligent multi-sources
multi-charges : différents principes de validations. Energie électrique. Université de Grenoble, 2012.
Français. �tel-00742941�

HAL Id: tel-00742941

[Link]
Submitted on 17 Oct 2012

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
THÈSE
Pour obtenir le grade de

DOCTEUR DE L’UNIVERSITÉ DE GRENOBLE

Spécialité : Génie Électrique
Arrêté ministériel : 7 août 2006

Présentée par

Rim MISSAOUI BADREDDINE

Thèse dirigée par Mr Seddik BACHA

et codirigée par Mr Stéphane PLOIX

Préparée au sein du Laboratoire de Génie Électrique de

Grenoble (G2eLab)
Dans l'École Doctorale ‘Electronique, Electrotechnique,
Automatique et Traitement de Signal’ EEATS.

Gestion Énergétique optimisée

pour un bâtiment intelligent
multi-sources multi-charges :
différents principes de
validations
Thèse soutenue publiquement le 06 Juillet 2012
devant le jury composé de :
Mr, Serge, PIERFREDERICI
Professeur à l’Université de Nancy, Président
Mr, Jérôme, ADNOT
Professeur à l’Ecole des Mines de Paris, Rapporteur
Mr, Hamid, BEN AHMED
Maître de conférence à ENS de Cachan, Antenne de Bretagne, Rapporteur
Mr, Franck, BARRUEL
Docteur Responsable du Laboratoire des Systèmes Solaires, Examinateur
Mr, Ion, ETXEBERRIA-OTADUI
Docteur Responsable du département, laboratoire IKERLAN Espagne,
Examinateur
Mr, Seddik, BACHA
Professeur à l’UJF de Grenoble (G2eLab), Directeur de thèse
Mr, Stéphane, PLOIX
Professeur à l’INP de Grenoble (G-SCOP), Co-Directeur de thèse
 Résumé
Le bâtiment est un noeud énergétique important et un support1 idéal pour développer et
analyser les effets d’un système de gestion optimisée d’énergie (SGEB) tant son impact
potentiel sur la demande énergétique globale est important. Cependant, pour que ces objectifs
soient atteints, plusieurs verrous doivent être levés. Au-delà des problématiques liées à
l’architecture de distribution, aux modèles (y compris ceux relatifs au comportement des
usagers), aux outils de dimensionnement, à la formalisation des paramètres, contraintes et
critères, aux systèmes de production et aux modes de connexions au réseau de distribution, les
problèmes liés à la mise en oeuvre d’un outil de gestion décentralisée et à sa validation sont
centraux centrale. Ces travaux s’inscrivent directement dans cette optique. Ils portent en
particulier sur l’élaboration de modèles énergétiques, de stratégies de gestion d’énergie dans
une configuration multi-sources et multi-charges et surtout de mise en oeuvre de méthodes et
d’outils de validation au travers de bancs tests variés où certains composants peuvent être
réels.
Ce travail analyse le gestionnaire énergétique « G-homeTech » comprenant plusieurs
fonctionnalités de gestion testées sur des bancs d’essai virtuels et hybrides qui permettent de
combiner à la fois des composants matériels et logiciels dans les simulations. Cela a permis
d'insérer des actionneurs communicants pour tester leur pertinence. Les validations menées
montrent que le gestionnaire énergétique permet l'effacement de pointes de consommation et
des économies sur la facture énergétique globale tout en respectant les contraintes techniques
et réglementaires.
Les évènements prédits ne sont pas toujours ceux qui se produisent. Nous avons alors
simulé de telles situations. La radiation solaire et la consommation totale des services non
contrôlables sont différentes de celles prédites. Cette différence a conduit à des dépassements
de puissance électrique souscrite qui a activé le mécanisme de gestion réactive du gestionnaire
énergétique. Des ordres de délestage sont alors dynamiquement envoyés à certains
équipements. Ces ordres alimentent directement les modèles des équipements électriques.
Selon les importances relatives données au coût et au confort, nous avons montré que le
gestionnaire énergétique permet de faire des économies substantielles en évitant les
consommations durant les pics de prix et évitant les dépassements de souscription par
effacement, par modulation du fonctionnement des systèmes de chauffage et par décalage de
fonctionnement des services temporaires dans les périodes plus intéressante énergétiquement.

Mots-clés :

Système de gestion énergétique de bâtiment (SGEB), optimisation, simulation,

validation, temps réel hybride, communication bidirectionnelle, confort, contrôle, « Smart
Building », «Smart plug ».
 Abstract
The building is an important energy node and an ideal support to develop and analyze
the effects of an Energy Management System (EMS). Because of its potential impact, such a
management of global energy demand is important. However, to achieve these goals, several
locks must be removed. Beyond issues related to the distribution architecture, to models
(including those relating to user behavior), sizing tools, the formalization of parameters,
constraints and criteria, production systems and methods of connection to the grid, problem
related to implementation of decentralized management tool and its validation are central. My
work is part of this context. It focuses in particular on the development of energy models,
strategies for energy management in a multi-source and multi-load configuration, and
especially, the implementation methods and the validation tools through various test benches
where some components are real.
This paper analyzes the energy manager “G-homeTech” including several management
features tested on virtual and hybrid test benches that combine both hardware and software
components in the simulations. This has put communicating actuators to test their relevance.
The validations show that the energy manager allows the deletion of peak demand and
savings on the overall energy bill while respecting the technical and regulatory constraints.

Predicted events are not always those that occur. We then simulated such situations.
Solar radiation and the total consumption of uncontrollable services are different from those
predicted. This difference has led to over-subscribed electric power which has enabled the
management mechanism of reactive energy manager. Load shedding orders are then
dynamically sent to certain equipement. These orders directly supply models of electrical
equipment.
According to the relative importance given to cost and comfort, we have shown that the
energy manager can make substantial savings avoiding consumption during price peaks and
avoiding over-subscription by erasure, by modulation of heating system operation and by
shefting the timed service operation in the most interesting periods in energy.

Keywords:

Building Energy Management System (BEMS), optimization, simulation, validation,

hybrid real time, bidirectional communication, comfort, control, Smart Building, Smart Plug.
 Remerciements
Quelques semaines après ma soutenance de thèse, il est temps de remercier tous ceux qui
m'ont apporté leur soutien et leur aide au cours de ces dernières années. Et comme disait
Marcel Proust : "Soyons reconnaissants aux personnes qui nous donnent du bonheur; elles
sont les charmants jardiniers par qui nos âmes fleurissent". C'est difficile de résumer une
approche scientifique, mais c'est encore plus difficile de résumer un sentiment de
reconnaissance et de gratitude que l'on a pour certaines personnes.

Tout d’abord, je voudrais remercier mon directeur de thèse Monsieur Seddik BACHA,
professeur à l’UJF pour m’avoir confié ce travail de recherche, ainsi que pour son aide et ses
précieux conseils. Je remercie infiniment aussi Monsieur Stéphane Ploix, professeur à
l’INPG, et co-encadrant de ce travail de thèse, pour sa sympathie, sa disponibilité, sa grande
patience, ses idées et conseils, ainsi que pour son aide précieuse de tous les jours.
J'ai eu de la chance de travailler au sein de deux laboratoires G2elab et GSCOP. Je tiens à
remercier tous les personnels dans ces laboratoires pour ce qu'ils m'ont offert depuis mon
arrivée en Master.

Je tiens à remercier tous les membres du jury :

- Monsieur Jérôme Adnot, Professeur à l’école des Mines de Paris, et Monsieur Hamid
Ben Ahmed, Maître de conférence à l’ENS de Cachan Antenne de Bretagne, d’avoir
accepté d’être rapporteurs de ce travail.

- Monsieur Serge Pierfrederici, Professeur à l’Université de Nancy à ENSEM et

Monsieur Franck Barruel, Responsable de Laboratoire des Systèmes Solaires d’avoir
accepté de participer au jury.

- Monsieur Ion Etxeberria Otadui, Responsable de Laboratoire IKERLAN Espagne

pour l’intérêt qu’il a porté à ce travail en acceptant de commenter mes travaux.
Je n’oublie pas de remercier :

- Monsieur Ghaith Warkozek, Docteur du laboratoire G2ELAB Monsieur Iulian

Munteanu, Docteur de … et Monsieur Stéphane Bergeon, Docteur Ing. Chef de Projet
Logiciel de Grenoble pour l’aide, la gentillesse, leur disponibilité et leur soutien tout
au long de ces années.

- Mlle Ophélie Painchault, Etudiante à l’ENSE³ pour sa contribution à l’avancement

des travaux de cette thèse grâce à un travail sérieux durant son stage de 2ème année.

- Monsieur Patrick Beguery, Responsable outils de simulation à Schneider qui a su

m’éclairer sur le modèle Gershwin.

Mes remerciements s’adressent aussi à :

- Sana Gaaloul, son mari Mahdi et Abir Rezgui pour leur soutien, leur amitié profonde et
sincère et surtout pour l’organisation du pot de soutenance.
- tous mes amis (Rym, Abir, Sana, Asma, Yasmine, Sarra, Adrian, Christian, Octavian,
Diana, Mathieu, David, Shadi, Hussein, Hoang, Ayecha, Binh, Kremena, Lamis (mes excuses
s’adressent à ceux que j’ai oublié) qui ont créer un cadre particulièrement agréable aux cours
de ces années. Un grand merci aussi pour le cadeau qui était vraiment une très belle surprise
1.
- l’adorable Mlle Elise Riado d’être une amie avant d’être un membre du personnel
administratif.
- Monsieur Gérard Meunier, Directeur de recherche CNRS et responsable de la spécialité
Génie Electrique dans l’école doctorale EEATS, pour son écoute et ses conseils précieux.
- l’ensemble du personnel de l’école doctorale EEATS et du laboratoire G2eLab et G-SCOP,
enseignants chercheurs, doctorants, personnels administratifs et techniques pour la
chaleureuse ambiance qu’ils ont su créer.
- Madame Catherine Mucha-Ploix pour sa sympathie et son aide précieux en relisant ce
mémoire.

Puisque je suis venue en France avec une bourse du gouvernement tunisien, la moindre
chose à faire est de noter ma reconnaissance pour ce pays magnifique.

Je tiens à remercier Monsieur Kamel Charrada Professeur à l’Institut Préparatoire aux

études d’ingénieur de Monastir, d’avoir éclairci mes idées avec ses conseils et ses
encouragements.

J’aimerais adresser un remerciement particulier à tous mes professeurs de l’École Nationale

d’Ingénieurs de Monastir (Mr Mimouni, Mr Houssine, Mr Sakly,…) pour avoir renforcer ma
passion du Génie Electrique.

Les mots m'échappent pour remercier la famille Ben Henda, surtout « mama Fatma » et
« baba Hsen » qui étaient ma famille ici en France. Un grand merci pour le temps que vous
m'avez consacré afin de m'aider et de me supporter.

Je voudrais saluer et remercier du fond du coeur mes trois chers frères Hamdi, Rabia et
Helmi ainsi que ma belle sœur Nesrine et toutes les familles Boukide, Badreddine et Missaoui
qui m’ont toujours soutenue et qui m’ont permis de faire ce bout de chemin dans les
meilleures conditions. Je vous souhaite une vie couronnée de santé, de prospérité et de
bonheur.
 Ma source de vie, mes professeurs pour toujours, mes parents, ce travail est loin d'être à la
hauteur de ma reconnaissance, mais permettez moi de vous le dédier. Merci d’être toujours là
pour moi, que Dieu vous protège et vous accorde une longue vie.

Enfin je dois ce travail à ma petite famille : mes deux enfants Islem et Jihed et surtout
mon mari Moncef. C’est grâce à eux que j’oublie une longue journée de fatigue au moment où
je retrouve le soir mes adorables enfants et un mari si compréhensif, responsable et patient. Je
tiens à te remercier Moncef toujours croire en moi, et d’être présent tout au long de ma thèse et
particulièrement lors des moments difficiles. Je vous dédie cette thèse et que Dieu vous protège et
nous ne sépare jamais. Je vous aime beaucoup.
 Table des matières
Introduction générale

1. Contextes énergétiques & problématiques……………………….....................1

1.1. Introduction : Contexte énergétique…………………………………………………………….3
1.1.1. Contexte énergétique mondial………………………………………………………...............3
1.1.2. Contexte énergétique Français………………………………………………………………...4
[Link]. L’énergie électrique ………………………………………………………….………...4
[Link]. L’énergie renouvelable…………………………………………………………………5

1.2. Nouvelles problématiques de gestion du réseau électrique……………………………..…...6

1.2.1. Le réseau électrique aujourd’hui…………………………………………………………… 7
[Link]. Structure……………………………………………………………………………… 7
[Link]. De la production centralisée vers la production décentralisée…………………………… 8
1.2.2. Problématique liée à l’intermittence des EnR………………………………………………... 8
1.2.3. Problématique liée aux pics de consommation…………………………………………...…...9
1.2.4. Les risques sur le réseau électrique et les services systèmes………………………….……. 10
[Link]. Réglage de la fréquence : stabilité en fréquence………………………………….….… 10
[Link].1. Réglage de la tension : stabilité en tension………………………………….………….. ………11

1.3. Conclusion sur le besoin de maîtrise de la demande énergétique…………………………12

1.4. Impact du secteur bâtiment sur le concept énergétique ………………………………..…..13

1.4.1. Impact du secteur de bâtiment………………………………………………………..............13
1.4.2. Le bâtiment : un noeud énergétique complexe ……………………………………….……...15
[Link]. Intégrateur de renouvelables…………………………………………...………………15
- Le photovoltaïque……………………………………………………………..…...16
- L’éolien urbain…………………………………………………………................16
[Link]. Intégrateur de véhicule électrique VE ………………………………………………….17
1.4.3. Besoin d’une meilleure maîtrise de la demande énergétique dans le bâtiment ……………...18

1.5. Maîtrise de la demande d’énergie dans le secteur bâtiment………………………………..18

1.5.1 Gestion des charges…………………………………………………………………………..20
[Link] Moins de perte dans les lignes…….…………………………………………...………20
[Link] Pilotage direct des charges……………………………………………………………..…...20
[Link] Contrôle par le prix…………………………………………………………………...21
[Link] Favoriser l’autoconsommation………………………………………………………...23

1.6. Charges à moduler dans le bâtiment………………………………………………………….24

1.6.1. Chauffage électrique………………………………………………………………………....25
1.6.2. Electroménager froid et lavage………………………………………………………………26
[Link]. Machine à laver……………………………………………………………………………..26
- Pénétration en l’Europe et en France………...……………………………………26
- Puissance demandée et la courbe de charge…………………………………….…27
- Opération de décalage dans le temps………………………………………………28
 [Link]. Lave vaisselle………………………………………………………………………..28
- Pénétration en l’Europe et en France………………………………………………28
- Puissance demandée et la courbe de charge…………………………………...……29
[Link]. Le réfrigérateur………………………………………………………………………30
1.6.3. L’eau chaude sanitaire………………………………………………………………….…….31
1.6.4. La cuisson……………………..……………………………………………………………...32

1.7. Vers le concept "Energy Smart Home"……………………………………………………. ...33

1.7.1. Du "Smart Grid" au "Smart Home" ………………………………………………………….33
[Link]. Notion de "Smart Grid"……….………………………………………......................34
[Link]. Coopération énergétique dans le "Smart City". ………………………………………35
[Link]. Le "Smart Home"…………………………………………………………………...38
1.7.2. Notion de d’"Energy Smart Home"…………………………………………………………..39

[Link].………………………………………………………………………………………….41

2. Vers la validation des « Energy Smart Home »…………………………….42

2.1. Introduction………………………………………………………………………………..............44

2.2. Position du problème…………………………………………………………………………… .44

2.2.1. Nécessité d’une validation…..………………………………………………………..............44
2.2.2. Validation dans d’autres contextes…………………………………………………………...45
[Link]. Expérimentation et état de l’art des « Energy Smart Home » ………………………........45
[Link]. La simulation……………… ………………………………………………………...48
- La simulation virtuelle…………………………………………………………………48
- La simulation temps réel..……………………………………………….......................49
- La simulation temps réel hybride .…………………………..…………………….........50

2.3. Nature des problèmes de validation par la simulation…………………………………… ..52

2.3.1. Hétérogénéité des systèmes………………………………………………………………….52
2.3.2. Zone de vie avec des interactions complexes ………………………………………………..53

2.4. Gestionnaire énergétique choisi pour la validation : G-homeTech…………………….…54

2.4.1. Etat d’art des gestionnaires énergétiques………………………………………………….....54
2.4.2. Notion de service……………………………………………………………..........................56
2.4.3. Mécanisme de contrôle multi-couche et multi-échelle……………………………………….57
[Link]. La couche anticipative …………………………………………………………...........58
[Link]. La couche réactive ………………………………………………………………....…58
[Link]. La couche locale………………………………………………………………………58

2.5. Plate forme de développement G-homeTech………….……………………………………...59

2.5.1. Architecture générale…………….…………………………………………………..…..….59
[Link]. Les contrôleurs……………………………………………………………..……...….59
 [Link]. Le prédicteur………………………………………………………………..……..….60
[Link]. Le superviseur…………………………………………………………………….......60
[Link]. Le solveur anticipative……………………………………………………………..…..61
[Link]. L’interface Homme Machine (GUI) (IHM)
2.5.2. Méthodologie………………………………..…………………………………………….….61

2.6. Modèles de contrôle…………………………………………………………………………….…62

2.6.1. Modèle de gestion du service permanent………………………………………………..…...62
2.6.2. Modèle de gestion de service temporaire………………………………………………….....63
2.6.3. Modèle de gestion des sources électriques……………………………………………...…....64

2.7. Problème d’optimisation………………………………………………………………………....65

2.7.1. Prise en compte du confort………………………………………………………………...…65
[Link]. Confort thermique pour un service permanent….………………………………………65
[Link]. Temps de fin pour un service temporaire………………..……………………………...66
2.7.2. Prise en compte du coût en cas de production locale……………………………………...…66
2.7.3. Fonction objective…………………..………………………………………………......……68

2.8. Utilisation de GhomeTech pour la validation…………..………………………………….…69

2.8.1. Configuration de G-homeTech………………………………………………...…………..…69
2.8.2. Prévision dans G-homeTech…………………………………………………………...…….72

2.9. Besoin de nouveaux outils de validation : solutions aux problèmes posés…………….…75

2.9.1. Validation purement virtuelle………………………………………………………...............75
[Link]. Solution face à l’Hétérogénéité des technologies……………………………………......75
[Link]. Solution au problème de synchronisation temporelle………………………………….…76
[Link]. Besoin de simuler le comportement réactif des occupants………………………………..76
2.9.2. Validation semi-virtuelle………………………………………………………………..……77
[Link]. Solution pour étudier l’acceptabilité des occupants…………………………………...…77
[Link]. Technique de magicien d’OZ…………………………………………………………..78

2.10. Conclusion………………………………………………………………………………………79

3. Mise en œuvre des systèmes de validation proposés……………………. 80

3.1. Introduction : contexte et objectives……………………………………...................................81
3.2. Mise en œuvre d’un système de validation virtuel………………………………………...…82
3.2.1. Architecture proposée………………………………………………………..…………….…82
3.2.2. Application de couplage : problématique d’interfaçage…………………………...................83
3.2.3. Synchronisation temporelle…………………………………………………………….…….85
3.2.4. Méthodologie de validation virtuelle……..…………..…………………………………..….86
3.2.5. Validation sur un cas simple…………………………………………………………….…...87
3.2.6. Discussion : avantages et limites ……………………………………………………………88
3.3. Mise en œuvre d’un système de validation semi-virtuel : validation sur un banc temps
réel hybride (Power hardware-in-the-loop)………………………………………………..…89
3.3.1. Architecture proposée……………………………………………………………………...…89
3.3.2. Application de couplage …………………………….………………………….....................90
[Link]. Couplage entre G-homeTech et l’émulateur de bâtiment (RTLAB)…………………...…90
a- Choix de RTLAB………………………………………………………………..…90
b- Procédure de couplage………………………………………………………….…92
[Link]. Couplage entre G-homeTech et une « prise gigogne »……………………………….….93
3.3.3. Méthodologie de validation semi-virtuelle……..…………..……………………………..….95
3.3.4. Validation sur un cas simple………………………………………………………………....96
3.3.5. Discussion : avantages et limites ………………………………………………………….....98

3.4. Conclusion:……………………………………………………………………………………. . ..100

4. Validation virtuelle des algorithmes de gestion énergétiques de G-

homeTech…………………………………………………………………………………...101
4.1. Introduction………………………………………………………………………………..........102
4.2. Contexte et objectifs…………………………..………………………………………………..102
4.3. Découverte et analyse du modèle Gershwin……………………………………………......103
4.4. Etude thermique d’une pièce du modèle Gershwin………………………………….…...105
4.5. Architecture du cas d’application………..……………………………………………….....106
4.5.1. L’émulateur de bâtiment et le modèle thermique…………………………………..…...107
4.5.2. L’émulateur de bâtiment et les modèles électriques…………………………………....111
[Link]. Modèle de réfrigérateur/congélateur……………………………………….…..112
[Link]. Modèles des services temporaires……………………………………………...113

4.6. Scénarios du gestionnaire énergétique ……………………………………………………..115

4.6.1. Simulation sans G-homeTech…………………………………………………………..115
4.6.2. Simulation avec G-homeTech………………………………………………… ..……...116
[Link]. Contrôle par le coût sans le mécanisme de gestion réactif.…………………..…..117
[Link]. Contrôle par le coût avec le mécanisme de gestion réactif …………………...….118
4.7. Résultats de simulation et discussion………………………………………………………..….118
4.7.1. Résultats de simulation sans G-homeTech………………………….……………...…..118
4.7.2. Résultats de simulation avec G-homeTech ……………………………………….……119
[Link]……………………………………………………………………………………..……125
5. Validation temps réel hybride des algorithmes de gestion
énergétiques de G-homeTech……………………………………………………...126
[Link]……………………………………………………………………………….............127
5.2. Architecture du cas d’application : le banc d’essai PHIL……………..……………….…127
5.2.1. Partie physique………………………………………….………………………………128
5.2.2. Partie logicielle………………………………………………………………………….128
5.3. L’émulateur de bâtiment : modèle thermique………………………………….………...…129
5.3.1. Comportement thermodynamique………….…………………………………...…........130
5.3.2. Modélisation du modèle thermique sur MATLAB/Simulink…………………..............131
5.3. L’émulateur de bâtiment : lien avec G-homeTech………………………………….…...…133
5.4. Scénario 1 : Puissance maximale variable…………………………...................................…135
5.5.1. Description du cas d’étude………………….…………………………………......…136
5.5.2. Résultats de simulation sans le contrôle réactif et discussion ….…………..…….137
5.5.3. Résultats de simulation avec le contrôle réactif et discussion………………….…139
5.5. Scénario 2 : Contrôle direct…………………………………………...….. …………………..143
5.6.1. Description du cas d’étude………………….……………………………......................143
5.6.2. Scénario sans G-homeTech…………………………….……………………………….144
5.6.3. Scénario avec G-homeTech…………………………..……………….……………..…146
[Link]. Solution anticipée…………………………………………………………….146
[Link]. Résultats de simulations sans le réactif…………………………………………149
[Link]. Résultats de simulations avec le réactif…………………………………….…..153

5.7. Problèmes rencontrées……………………………………………………………….............…155

5.8. Conclusion….……………………………………………………………………………..………157
 Introduction générale

« Aujourd’hui, nous devons admettre que les risques d’impacts négatifs liés au
changement climatique sont plus élevés que ce qui avait été estimé il y a quelques années »
affirme Hans-Martin Füssel [Web_HANS]. La terre ne cesse de se réchauffer depuis la fin du
XIX siècle. Les observations montrent actuellement une élévation de la température moyenne
annuelle à un rythme sans précédent. Onze des douze années de la période 1995-2006 se
situent parmi les 12 années les plus chaudes depuis 1850. Le réchauffement est plus marqué
depuis 50 ans, avec une augmentation de 1°C depuis 1850 (début de 1ère industrielle). Ce
changement, fait ressurgir de multiples réflexions concernant l’impact de l’activité humaine.
Ne sommes-nous pas en train d’abuser de notre planète ? Comment faire pour éviter une
catastrophe? Pour répondre à ces questions, les scientifiques s’intéressent à identifier le (ou
les) responsable(s) du danger et s’accordent aujourd’hui pour affirmer la prépondérance du
rôle des activités humaines dans le changement climatique et pour voir dans l’effet de serre le
principal mécanisme conduisant au réchauffement de la planète. Nous devons imaginer le
nouveau type de société compatible avec les capacités de notre planète, une société où
l’homme maîtrise mieux son impact sur son environnement. Le problème est ainsi posé mais
la solution n’en est pas pour autant facile à trouver.

Depuis les années 80, une des solutions privilégiées pour remédier à ces problèmes
énergétiques et environnementaux est le recours aux énergies renouvelables qui touchent
l’industrie de l’énergie électrique et conduisent aujourd’hui à une accélération de la
production décentralisée d’électricité dans le réseau de distribution ce qui induit une
complexité de gestion bien plus importante. L’intégration envisagée de véhicules électriques
coté consommation, rend le réseau électrique français et européen encore plus complexe et
risque d’induire des anomalies de fonctionnement plus fréquentes. Face à ces changements,
nous nous intéressons, dans cette thèse, au secteur le plus consommateur d’électricité, en
France, qui est le secteur du bâtiment. Nous pensons, qu’à travers la maîtrise de l’énergie dans
le bâtiment, il est possible non seulement, d’atténuer les problèmes environnementaux mais
aussi de préserver la stabilité du réseau électrique en garantissant l’équilibre entre la
production et la consommation.

Le bâtiment dit « basse consommation » devient un système complexe qui peut être décrit
comme un « micro-réseau », où les flux énergétiques doivent être gérés en fonction des
usages. On parle donc de plus en plus de « Smart Grid » et de « Smart Building », de
délestage, de limitation des appels de puissance, de courbes de charges, d’une meilleure
intégration de la production d’électricité renouvelable et de l’intégration des véhicules
électriques au réseau… En modulant la consommation pour notamment anticiper les pointes
de consommation, en fonction des prévisions météorologiques, il est possible de mieux gérer
les bâtiments et les réseaux afin d’ajuster de façon dynamique la demande à l’offre disponible,
le tout sans trop nuire au confort des occupants. Il devient aussi possible de négocier de
meilleurs prix d’achat des énergies avec son fournisseur mais aussi de mettre en place une
stratégie de délestage ou de gestion de la pointe électrique. Ces stratégies de délestages
peuvent être intégrées dans des Systèmes de Gestion Energétique de Bâtiment (SGEB)
(Building Energy Management System BEMS) qui surveille et planifie la demande
énergétique d’un bâtiment. Plusieurs projets de recherche ont contribué à développer de tels
systèmes.

La présente thèse a pour objectifs d’analyser les SGEB et de proposer les outils de
validation. Différents types de simulation (virtuelle et en temps-réel hybride) et différents
scénario de contrôle/commande (contrôle directe et contrôle par le coût) sont étudiés avec un
système de gestion développé par des chercheurs du laboratoire G-SCOP en compagnie
notamment de chercheurs de laboratoires G2ELAB et LIG depuis 2005. Le fruit des travaux
de recherche est le framework logiciel G-homeTech qui permet de générer dynamiquement
des stratégies optimisées de gestion énergétique pour les systèmes bâtiments.

La présentation de ce travail est scindée en 5 chapitres.

Pour poser les bases d’un problème de gestion énergétique dans le bâtiment, le premier
chapitre intitulé « Contexte Energétique & Problématiques » analyse le contexte du besoin
de gestion énergétique, en particulier celui de l’énergie électrique. Ce chapitre va tout d’abord
positionner le bâtiment qui est un noeud énergétique complexe et majeur. Il montre clairement
le besoin de maîtrise de l’énergie de ce secteur qui devient de plus en plus une nécessité. Une
des solutions est l’"Energy Smart Home" qui définit le concept de pilotage intelligent de
charge au sein de bâtiments.

Le deuxième chapitre « Vers la validation des Energy Smart Home » présente les travaux
de recherches qui ont développé des systèmes de gestion énergétiques dédiés au bâtiment.
Toutefois, avant la mise en service sur le terrain, une étape de validation s’impose. Ce
chapitre a pour objectif de mettre en évidence les besoins de nouveaux outils de validation et
de décrire les problèmes qui peuvent survenir lors de la validation d’un système de gestion
énergétique. Un cas particulier de Système de Gestion Energétique de Bâtiment SGEB est
analysé en détail pour mieux en comprendre les besoins. Deux principes de validation sont
proposés.

Le chapitre 3 « Mise en œuvre des systèmes de validation proposés » montre comment

combiner des systèmes hétérogènes pour résoudre les problématiques de co-simulation
virtuelle. Cependant, une des limites de cette solution est qu’elle ne permet ni d’évaluer
l’acceptabilité des occupants en situation ni de tester des équipements dans le contexte de
gestion énergétique. Nous montrons que la co-simulation semi-virtuelle est une solution
possible pour de tels problèmes. Un système de validation virtuel du SGEB G-homeTech est
proposé et testé. Ce système permet de travailler en environnement virtuel avec un bâtiment
simulé sous MATLAB/ Simulink. Un deuxième système de validation est proposé : il permet
de travailler en environnement semi-virtuel avec des équipements réels. Deux objectifs
essentiels sont visés:
- vérifier si ces outils de validation permettent de résoudre concrètement le problème
d’hétérogénéité des systèmes et notamment le couplage entre le gestionnaire
énergétique et le simulateur ou l’émulateur de bâtiment.
- créer un environnement de test qui tienne compte des préférences des occupants en
situation.

Dans le chapitre précédent, nous mettons en œuvre deux solutions qui se basent sur la co-
simulation virtuelle et semi-virtuelle pour valider les algorithmes d’un SGEB. Cependant,
nous ne validons pas la pertinence des algorithmes de G-homeTech. L’objectif du chapitre 4
« Validation virtuelle des algorithmes de gestion énergétique de G-homeTech » est donc de
valider ces algorithmes via des cas d’étude représentatifs de situations réelles en variant les
scénarios à travers une co-simulation virtuelle. Cette solution se base sur la communication
entre le gestionnaire G-homeTech et un simulateur de bâtiment nommé SIMBAD qui contient
la maison virtuelle « Gershwin » créée par le centre scientifique et technique du bâtiment
(CSTB). La gestion de cette maison virtuelle, qui produit localement de l’énergie
photovoltaïque, se base sur le contrôle par le coût de l’électricité.

Le dernier chapitre «Validation temps réel hybride des algorithmes de gestion

énergétique de G-homeTech » teste les performances de G-homeTech dans un
environnement réel (prototypage rapide) et semi-virtuel avec des équipements émulés
physiquement. C’est l’étape qui précède l’implémentation réelle. Dans ce chapitre, l’impact
sur une prise gigogne du contrôle réactif va être étudié. Des cas tests réalistes ceux du chapitre
3 seront mis en œuvre, non plus seulement pour valider le bon fonctionnement du banc
d’essai, mais aussi pour valider les algorithmes du SGEB G-homeTech.
 Chapitre 1

Contextes énergétiques & problématiques

« L’énergie joue un rôle essentiel dans le développement économique

et social et dans l’amélioration de la qualité de la vie. Une grande partie
de l’énergie mondiale est toutefois produite et consommée d’une manière
qui ne serait pas viable à long terme si la technologie n’évoluait pas et si
les quantités totales devaient augmenter considérablement ».

Conférence de Rio, 1992

Sommaire Chapitre 1

1.1. Introduction : contextes énergétiques ..........................................................................................3

1.1.1. Contexte énergétique mondial.................................................................................................3
1.1.2. Contexte énergétique Français ................................................................................................4
[Link]. L’énergie renouvelable .......................................................................................................4
[Link]. L’énergie renouvelable .......................................................................................................5

1.2. Nouvelles problématiques de gestion du réseau électrique ........................................................6

1.2.1. Le réseau électrique aujourd’hui .............................................................................................7
[Link]. Structure..............................................................................................................................7
[Link]. De la production centralisée vers la production décentralisée............................................8
1.2.2. Problématique liée à l’intermittence des EnR .........................................................................8
1.2.3. Problématique liée aux pics de consommation .......................................................................9
1.2.4. Les risques sur le réseau électrique et les services systèmes.................................................10
[Link]. Réglage de la fréquence : stabilité en fréquence ([OLIV, 06] [DAV, 07]).......................10
[Link]. Réglage de la tension : stabilité en tension ([OLIV, 06] [DAV, 07]) ...............................11

1.3. Conclusion sur le besoin de maîtrise de la demande énergétique...........................................12

1.4. Position du bâtiment dans la maîtrise de l’énergie ...................................................................13

1.4.1. Impact du secteur bâtiment ...................................................................................................13
1.4.2. Le bâtiment : un noeud énergétique complexe......................................................................15
[Link]. Intégrateur d’énergies renouvelables ................................................................................15
a- Le photovoltaique……………………………………………………………………………....16
b- Le solaire thermique…………………………………………………………………………....16
c- L'éolien urbian………………………………………………………………………………….17
[Link]. Intégrateur de véhicules électriques VE............................................................................17
1.4.3. Besoin de maîtrise de la demande énergétique dans le bâtiment ..........................................18

1.5. Maîtrise de la demande d’énergie dans le secteur bâtiment ....................................................18

1.5.1. Gestion des charges...............................................................................................................20
[Link]. Moins de perte dans les lignes ..........................................................................................20
[Link]. Pilotage direct des charges................................................................................................20
[Link]. Contrôle par le prix ...........................................................................................................21
[Link]. Favoriser l’autoconsommation..........................................................................................23

1.6. Charges à moduler dans le bâtiment..........................................................................................24

1.6.1. Chauffage électrique .............................................................................................................25
Chapitre 1 : Contextes énergétiques & problématiques 2

1.6.2. Electroménager froid et lavage .............................................................................................26

[Link]. Machine à laver.................................................................................................................26
[Link]. Le lave-vaisselle ...............................................................................................................28
[Link]. Réfrigérateur .....................................................................................................................30
1.6.3. L’eau chaude sanitaire...........................................................................................................31
1.6.4. Cuisson..................................................................................................................................32

1.7. Vers le concept « Energy Smart Home » ...................................................................................33

1.7.1. Du "Smart Grid" au "Smart Home" ......................................................................................33
[Link]. Notion de "Smart Grid" ....................................................................................................34
[Link]. Coopération énergétique dans le "Smart City" ................................................................35
[Link]. Le "Smart Home"..............................................................................................................38
1.7.2. Notion d’"Energy Smart Home" ...........................................................................................39

1.8. Conclusion ....................................................................................................................................41

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 3

1.1. Introduction : contextes énergétiques

Durant ces dernières années, de nombreux travaux de recherche ont été menés avec pour
objectif la gestion et la maîtrise de la demande énergétique et ce, dans tous les domaines. Pour
mieux cerner le besoin de la gestion énergétique, ce chapitre rappelle le contexte énergétique
mondial et français avec une attention particulière portée à l’énergie électrique. Il est mis en
évidence ici les nouvelles problématiques de gestion du réseau électrique lequel gagne en
complexité ce qu’il perd en sûreté du fait notamment de la multiplicité des acteurs et de
l’apparition de nouvelles sources et charges non conventionnelles.

1.1.1. Contexte énergétique mondial

Le 20ème siècle aura, sans doute, été celui de la prise de conscience planétaire, notamment
des limites des capacités de la Terre. Ainsi, l’humanité a « inventé » la notion de développement
durable. En 1987, le rapport Brundtland (Commission sur l'environnement et le développement
de l’ONU¹) l’a définie de la façon suivante : « Satisfaire les besoins actuels, sans compromettre
la capacité des générations futures à satisfaire les leurs » [MULT, 06]. La notion d’Empreinte
Ecologique Mondiale², proposée par le WWF (World Wide Fund For Nature), permet de
quantifier, de façon encore imparfaite, l’impact des activités humaines sur l’écosystème. Il s’agit
de la surface terrestre exploitée ou « consommée » pour satisfaire à différentes activités
humaines. Le rapport du WWF pour l’année 2010 [WWF, 10] confirme que les ressources
naturelles consommées par l'humanité sont plus de 20% supérieures à celles que la terre peut
produire pour une période donnée et que la demande de l'homme sur la biosphère a plus que
doublé entre 1971 et 2007.

Si on regarde la consommation énergétique primaire mondiale depuis 1971, on remarque

qu'elle n'a cessé de croître de manière quasiment exponentielle (Figure I-1). Selon le rapport de
l'International Energy Outlook 2011 [IEA, 11], l'ordre de grandeur de la consommation d'énergie
primaire en 2009 dans le monde est de 12150Mtoe³ (141,30410¹²kWh). L'énergie non
renouvelable représente 89,8% de la consommation totale. Le pétrole représente la plus grande
partie (32,8%), suivi du charbon (27,2%), puis du gaz naturel (20,9%) et enfin du nucléaire
(5,8%). La consommation énergétique humaine conduit non seulement à l’épuisement de
précieuses ressources naturelles mais aussi à d’importants phénomènes de pollution dont les
rejets de gaz à effet de serre (Figure I-2).

Le premier volet de la problématique est l’épuisement des ressources énergétiques non

renouvelables qui ont servi au développement de la civilisation industrielle actuelle. Les
combustibles fossiles et l’uranium sont en effet en quantités limitées dans notre environnement
et, de façon complètement découplée des pollutions qu’ils génèrent, l’échéance de leur

¹ Organisation des Nations Unies

² L'empreinte écologique : est une mesure de la pression qu'exerce l'homme sur la nature. C'est un outil qui évalue la surface productive nécessaire à
une population pour répondre à sa consommation de ressources et à ses besoins d'absorption de déchets
³ Le IEA/OECD définie le toe =41.868 GJ = 11.63 MWh et Mtoe=10 6 toe=10 6. 11,63 10 6 = 11,63 1012 kWh

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 4

épuisement approche. La flambée des coûts, déjà amorcée et qui va sans doute s’amplifier,
conduira à changer de ressources pour se tourner vers des ressources moins conventionnelles :
celles d’origine renouvelable.

Figure I-2 : Evolution des émissions de CO2 par type de

combustible (millions de T de CO2)
Figure I-1: Evolution de la consommation d’énergie Source: Key World Energy Statistics, IEA - 2010
primaire total finale mondiale (en millions de tep) par source
Source: Key World Energy Statistics, IEA – 2010

1.1.2. Contexte énergétique Français

La politique énergétique en France vise à relever les défis mondiaux permettant de juguler les
changements climatiques. La France est naturellement pauvre en ressources énergétiques et une
grande part de ses besoins est couverte par des énergies importées. Grâce à la forte nucléarisation
du parc de centrales nucléaires françaises, la France est moins dépendante que d'autres pays
européens de l'évolution du coût des énergies fossiles. La France est, en effet, le deuxième
producteur d'énergie nucléaire au monde [IEA, 11] d’après les statistiques de 2011.
La consommation finale d’énergie en France se fait sous la forme de :
• produits pétroliers
• gaz naturel
• électricité
• énergies renouvelables

[Link]. L’énergie renouvelable

La production d’énergie en France se fait essentiellement sous forme de production
d’électricité (en 2010, 550,3TWh en totalité dont 407,9TWh en provenance de l’énergie
nucléaire [RTE, 10]). Cette demande d’électricité ne cesse d’augmenter depuis l’année 2001
(450TWh 4 ). Pour la première fois, la consommation annuelle française d’électricité a dépassé
les 500TWh en 2010. Elle a augmenté de 5,5% par rapport à 2009 en atteignant 513,3TWh
[RTE, 10] (Figure I-3). Cette hausse de consommation provient essentiellement du fait que
l’année 2010 était la plus froide depuis l’année 1987. De surcroît, la croissance structurelle cette
même année liée à la reprise économique et aux développements des usages électriques, a
contribué à augmenter la consommation électrique.

4
TWh = 1 Térawattheure = 1 milliard de kWh = x Mtoe

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 5

Figure I-3: La consommation intérieure d’électricité annuelle [RTE, 10]

Le parc de production électrique français a une puissance installée en 2010 de 117 GW qui se
décompose en 63,3 GW pour le parc nucléaire, 25,4 GW pour le parc hydroélectrique, 4,3 GW
pour le parc de production à partir des autres énergies renouvelables et 24,1 GW pour le parc
thermique [SIDO, 10].
Ces statistiques mettent en évidence la sollicitation très variable du parc installé en fonction
de la filière (Figure I-4):
- le recours au parc nucléaire en base avec modulation saisonnière
- l’utilisation du parc hydraulique à la fois en base et en pointe
- l’exploitation des filières charbon et gaz en période de pointe
- le recours à la filière fioul uniquement en extrême pointe
La France est structurellement importatrice nette d’électricité uniquement en période de
pointe, pendant une durée de l’ordre de 60 heures dans l’année; le reste de l’année la France est
structurellement exportatrice nette.
L'un des enjeux de la maîtrise de la pointe est donc la réduction des émissions de CO2 par la
réduction du recours aux centrales au fioul fonctionnant à l'extrême pointe en France et
également dans une moindre mesure par la réduction des importations d'électricité carbonée à la
pointe.

Figure I-4: Consommation journalière en France (Hiver 2007), source [RTE, 10]

[Link]. L’énergie renouvelable

En considérant le contexte de réduction des émissions de gaz à effet de serre et l'incertitude
sur les sources d'énergie fossile, l'utilisation de sources d'énergie renouvelable commence à être
encouragée par les politiques publiques et commence à se répandre. Grâce à l’engagement pour

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 6

l’efficacité énergétique à travers la mise en place d’ambitieux programmes de maîtrise de la

consommation, la France devenait en 2009, le second producteur et le second consommateur
d’énergie renouvelable en Europe [REP, 10].

Le Réseau de Transport d’Electricité (RTE) révèle dans son bilan électrique que l’éolien
poursuit son développement avec 5 600 MW installées en France à la fin de 2010 et environ
6800 MW en 2011 [EWEA, 12], le photovoltaïque est également en très forte croissance. En
effet, le nombre d’installations photovoltaïques raccordées a été en très forte augmentation
pendant l’année 2010, avec un parc atteignant maintenant une puissance installée de 760 MW
(Figure I-5), soit plus du quadruple par rapport à fin 2009. L’énergie produite en 2010 est
estimée à 0,6 TWh, soit près du quadruple de la production enregistrée en 2009 [RTE, 10].

Aujourd’hui, l’éolien est l’une des énergies renouvelables les plus matures pour produire de
l’électricité. Techniquement au point, l’énergie éolienne est aussi rentable d’un point de vue
économique. Elle est appelée à se développer fortement partout dans le monde. En ce qui
concerne l’énergie solaire, il convient de nuancer. Pour produire de l’eau chaude (solaire
thermique), elle est, en effet, aujourd’hui accessible, mais son coût pour la production
d’électricité (solaire photovoltaïque) est encore très élevé. Le solaire offre malgré tout des
perspectives prometteuses.
La rentabilité des énergies renouvelables est encore faible par rapport aux énergies
traditionnelles, car si elles sont abondantes, encore faut-il les capter, les collecter, les concentrer
et les transporter. La résultante est que les investissements sont très élevés et les coûts restent
souvent plus importants que pour les énergies fossiles. Les politiques publiques de soutien sont
donc indispensables. Des aides sont nécessaires pour permettre aux énergies renouvelables de
prendre leur envol.

(a) (b)
Figure I-5: Puissance produite par le parc éolien (a) et la puissance solaire installée (b) [RTE, 10]

1.2. Nouvelles problématiques de gestion du réseau électrique

Du fait des problèmes environnementaux tel le réchauffement climatique, on se trouve face à
un besoin de gestion et de maîtrise de la demande énergétique. Ce besoin est notamment lié à la
problématique de production et de consommation sur le réseau électrique. Pour bien comprendre

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 7

cette problématique, il faut tout d’abord aborder les principes généraux de fonctionnement des
réseaux électriques.

1.2.1. Le réseau électrique aujourd’hui

[Link]. Structure
L’énergie électrique qui représente 45% des énergies primaires en France est acheminée quasi
exclusivement par des réseaux électriques dont le fonctionnement est au cœur des
problématiques actuelles liées à l’énergie. Un réseau électrique est toujours décomposé en quatre
grandes parties :
- La production : c’est la transformation de l’ensemble des énergies convertibles
(renouvelables ou non) en énergie électrique. La production évolue au cours de la journée
en mettant à contribution différentes énergies primaires (charbon, pétrole, nucléaire,
hydroélectrique, gaz).
- Le réseau de transport haute tension qui transporte l’énergie sur de grandes distances et
assure l’interconnexion entre les centrales de production. Ce réseau doit être bien protégé
d’anomalies de fonctionnement comme les surcharges et les courts-circuits.
- Les réseaux de distribution moyenne et basse tension qui ont pour rôle de délivrer
l’énergie électrique aux utilisateurs.
- La consommation : c’est le stade final du cheminement de l’énergie électrique.
Pour le transport et la distribution, l’énergie électrique transite à travers de systèmes triphasés
de tensions (sinusoïdales) dont les caractéristiques sont principalement la fréquence et les
valeurs efficaces de tension. Dans le monde entier, la fréquence est normalisée et ne présente que
deux valeurs soit 50Hz comme la cas de la France et 60Hz comme le cas des états Unis. Les
niveaux de tensions normalisées associés à ces quatre parties sont très différents et dépendent des
usages. L’énergie électrique produite est directement injectée à très haute tension (HTB à 225kV
et 400 kV) sur le réseau de transport (maillé) pour être transportée sur de grandes distances avec
un minimum des pertes. Elle est ensuite acheminée puis distribuée aux gros consommateurs et au
réseau de distribution (radial) à moyenne tension (HTA) et basse tension (BT à 230/400V)
[OLIV, 06]. L’architecture verticale « transport-répartition-distribution » est représentée par la
Figure I-6.

Figure I-6: Organisation des différents niveaux de tension du système électrique [OCNA, 08]

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 8

[Link]. De la production centralisée vers la production décentralisée

Jusque dans les années 1990, l’énergie électrique est produite de manière presque
exclusivement centralisée et consommée de manière totalement décentralisée. Cette ancienne
structure a nécessité la mise en place d’un réseau capable de transporter l’énergie produite dans
quelques centrales de production vers les millions de consommateurs répartis sur l’ensemble du
territoire.
Pour des raisons économiques et écologiques liées à l’intérêt croissant accordé à
l’environnement, les producteurs sont encouragés à développer des moyens de production
décentralisés d’électricité basés sur l’utilisation de sources d’énergies renouvelables et de
cogénération afin d’augmenter le rendement énergétique des installations de production, ce qui
contribue à produire une énergie plus " propre ".
Les GED (génération d’énergie dispersée) sont des producteurs indépendants nés de ces
nouvelles donnes. Ils se distinguent des unités de production centralisées par le fait qu’elles sont
les plus souvent raccordées au réseau de distribution, et par leur "petite taille". La loi française
(arrêté du 17 mars 2003) [ARR, 03] limite la puissance des installations raccordées au réseau
HTA à 12MVA, alors que la norme IEEE 1547 [IEEE-03] sur l’interconnexion des ressources
dispersées au réseau électrique ne s’applique qu’aux sources d’une puissance inférieure à 10
MVA.

1.2.2. Problématique liée à l’intermittence des EnR

La production d’énergie renouvelable photovoltaïque et éolienne (voir Figure I-7), est sujette
à des variations de disponibilité du fait de l’intermittence de la ressource primaire. Malgré cette
contrainte, les capacités de production doivent être maintenues. Ainsi, des capacités de
production de remplacement dans le cas où les EnR ne peuvent pas répondre à la demande,
doivent pouvoir démarrer quasi instantanément. Elles sont coûteuses et polluantes puisqu’elles
sont dans leur très grande majorité à gaz. Le réseau électrique actuel devra donc être piloté de
manière plus flexible pour gérer ces contraintes.
Puissance (MW)

Figure I-7: L’électricité fournie par les éoliennes [sources : EnBW, [Link]

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 9

1.2.3. Problématique liée aux pics de consommation

Le problème majeur de l’exploitation du réseau électrique est donc de maintenir, en
permanence, l’équilibre entre l’offre disponible et la demande potentielle d’énergie électrique,
celle-ci ne peut pas être stockée en grande quantité. Les paramètres influençant la consommation
d’électricité sont essentiellement la météorologie et l’activité économique. Chaque fois que la
température baisse d’un degré, nous consommons l’équivalent de deux fois la consommation
d’électricité de la ville de Marseille, soit 2100MW, en supplément.

Une courbe de consommation journalière d’hiver pour l’année 2010 présente deux pics de
consommations l’un le matin et le deuxième le soir comme le montre la Figure I-8 relative à une
journée donnée. La courbe de consommation d’électricité journalière est le reflet, au quotidien,
de nos modes de vie. Surtout en hiver, sur 24 heures, la courbe de consommation électrique
représente une pointe le matin, avec une progression de 4h à 8h, un creux l’après midi vers 16h,
vers 19h, c’est le pic du soir et enfin un creux la nuit. En effet, dès 4 heures du matin, la
consommation électrique augmente. A cette heure la vie diurne reprend son rythme, d’aucuns
allument la lumière, font fonctionner les appareils électroménager pour le petit déjeuner, certains
prennent les transports… Avec la pause déjeuner, la consommation électrique se stabilise puis
décroît progressivement jusque 16h.
Consommation journalière 30/11/2010

Figure I-8: Exemple de courbe de consommation électrique française journalière en hiver [RTE, 10]

Le transport, l’électroménagers de cuisine, les télévisions, l’éclairage public et domestique

etc… sont alors massivement utilisés vers 19h le soir. C’est la pointe journalière de la
consommation électrique française, en hiver. Ces pointes de consommation n’ont pas cessé
d’augmenter hiver après hiver. En effet, entre 1997 et 2008, la différence entre la puissance
moyenne et la puissance maximale appelée en hiver est passée de 14 GW à 19 GW [SIDO, 10].
Une progression liée à la multiplication des équipements électriques à la maison, dont le
chauffage électrique. En été, et surtout par forte chaleur, le pic se produit aux alentours de 13h,
du fait des climatisations et ventilateurs...

Pour lisser cette courbe de consommation et réduire ces pics, les pouvoirs publics ont, depuis
plusieurs années, développé des actions dites de Maîtrise de la Demande d’Energie (MDE) en
France. Producteurs et consommateurs du secteur tertiaire ainsi que les particuliers auront un
rôle à jouer dans cette recherche de maîtrise de l’usage de l’électricité selon trois axes : la
maîtrise totale de la demande, la maîtrise des usages contribuant à la croissance de la pointe et le
développement des effacements de consommation.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 10

1.2.4. Les risques sur le réseau électrique et les services systèmes

De nos jours, le réseau électrique français forme un système très vaste et très complexe sujet à
des pannes majeures, du fait notamment de sa non linéarité. La pénétration croissante de moyens
de production décentralisés ([CAIR, 04]) ainsi que la présence des pointes de consommation
électrique journalières peuvent provoquer un déséquilibre entre l’offre et la demande qui peut
conduire à des pannes et/ou à la dégradation du système électrique. On peut citer la cascade de
surcharges [MEM, 04] qui se produit lorsqu’une ligne se déclenche et surcharge ses voisines par
son report de transit. Il peut aussi y avoir un phénomène de coupure ou de délestage du fait d’une
surcharge généralisée et non prévue due à l’écroulement de la fréquence ou bien l’écroulement
de la tension qui conduit à un dépassement des puissances maximales des lignes. Ces
phénomènes sont illustrés par l’incident « Suisse/Italie » du 28/09/2003, quand l’Italie se
déconnecta du reste de l’Europe, sa fréquence chuta à 49Hz, sa tension s’effondra et les groupes
de production se déclenchèrent les uns après les autres (Figure I-9). Le « Black out » en 2min30
dû au déclenchement d’une ligne de 380kV trop chargée qui conduisit à son tour au
déclenchement d’autres lignes.

Pour limiter les risques décrits dans le paragraphe précédent et assurer la sécurité de réseau
électrique, RTE doit assurer en permanence l’équilibre entre la production et la consommation
d’électricité à travers une stratégie de pilotage en garantissant la tenue en tension et en fréquence
[OLIV, 06]. Le principe de cette stratégie de pilotage du réseau électrique est basé sur les
réglages de fréquence et de tension.

Figure I-9: Evolution de la fréquence lors du Blackout Italien du 29/09/03 [RTE, 04]

[Link]. Réglage de la fréquence : stabilité en fréquence ([OLIV, 06] [DAV, 07])

Le maintien de la fréquence dans une plage (50Hz ± 0.5Hz) est nécessaire pour le bon
fonctionnement des appareils chez les consommateurs mais également pour les matériels
permettant d’assurer l’exploitation du réseau de transport. Pour maintenir la fréquence à une

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 11

valeur donnée sur un réseau, il faut assurer l’équilibre entre la puissance produite et celle
consommée. En effet, une différence entre l’offre et la demande en électricité cause un freinage
ou une accélération des alternateurs qui produisent la tension du réseau électrique. Pour ces
machines, la fréquence f des tensions produites est proportionnelle à la vitesse de
rotation : Ω = 2.π . f / p avec p est le nombre de pôles de l’alternateur. La loi fondamentale de la
Pmeca Pelec df
dynamique conduit à : − = J.p.21. avec J est le moment d’inertie.
2 2 dt

Lorsque la consommation évolue à la hausse (Figure I-10(a)), on a :

Pelec > Pmeca 1 la fréquence diminue f

Par contre, si la consommation évolue à la baisse (Figure I-10 (c)), il vient :

Pelec < Pmeca 1 la fréquence augmente f

Si les puissances mécaniques et électriques sont égales (Figure I-10 (b)), il s’ensuit :
Pelec = Pmeca 1 la fréquence f est stable ,
il y a donc un équilibre production consommation.
Afin de corriger rapidement tout écart de fréquence dans les grands réseaux électriques,
chaque gestionnaire de réseau de transport met à disposition dans sa zone une réserve de
puissance active rapidement mobilisable en fonction des besoins nécessaires à l’équilibre soit par
le biais d’automatismes (réglages primaire et secondaire) soit par l’action d’opérateurs (réglage
tertiaire).

(a) déséquilibre offre-demande ( Pelec > Pmeca )

(b) équilibre offre-demande ( Pelec = Pmeca )
(c) déséquilibre offre-demande ( Pelec < Pmeca )
Figure I-10: Evolution de la fréquence en fonction du niveau de production/consommation

[Link]. Réglage de la tension : stabilité en tension ([OLIV, 06] [DAV, 07])

Les raisons d’assurer la stabilité en tension sont assez similaires à celles de la stabilité en
fréquence. Les tensions en chaque point du réseau dépendent fortement de la nature des lignes et

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 12

des charges ainsi que des transferts de puissance réactive qui induisent des chutes de tension
entre les sources et les points de consommation et perturbe les tensions.
Tension aux bornes de
la charge
Zone de « travil » (P<<Pmaw)
V’
V

A
Vc
B

Écroulement

Pmax
Puissance Active

Figure I-11: Puissance transmissible par une ligne

D’après Figure I-11, il est possible que les valeurs de tension sortent des plages normalisées
(endommagement du matériel, etc.) ou bien qu’elles s’écroulent si la tension atteint une valeur
inférieure à la ‘tension critique’ (Vc) et si la puissance appelée dépasse la puissance maximale
Pmax. Si on augmente la tension à la valeur V’ (en sortie de transformateur) la tension aux
bornes de la charge augmente pour le point A, contrairement au point B où la tension aux bornes
de la charge diminue, c’est l’écroulement de tension.

Pour éviter ces risques et afin de préserver l’équilibre local entre la production et la
consommation de la puissance réactive les gestionnaires de réseaux de transport et de
distribution disposent d’une stratégie de réglage adaptée à chaque niveau de tension basée sur
trois types de réglages [RTE, 09] : primaire, secondaire et tertiaire.
Le maintien de la tension dans une plage donnée est primordial sur le réseau de transport pour
trois raisons :
- Pour respecter les valeurs contractuelles définies par les arrêtés pour le bon
fonctionnement des installations des producteurs, des réseaux de distribution et les
appareils des consommateurs.
- Pour la sécurité du système : une tension haute permet de réduire les courants en ligne et
donc les pertes ainsi d’éviter l’écroulement de la tension.
- Pour éviter la détérioration (disjoncteur, lignes, sectionneurs…) et la perturbation des
éléments du réseau (protections, régulateurs en charge…).

1.3. Conclusion sur le besoin de maîtrise de la demande énergétique

Nous avons mis en évidence les problématiques énergétiques liées aux pics de consommation
électrique et à l’équilibre entre la production et la consommation en France. Pour remédier aux
problèmes environnementaux, mais aussi pour trouver une solution face aux transformations des
réseaux électriques qui deviennent de plus en plus complexes, l’homme doit faire preuve d’une
ingéniosité sans précédent. Cette ingéniosité doit notamment s’exercer, dans les méthodes

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 13

permettant de garder l’équilibre entre l’offre et la demande. En effet, le réglage de fréquence et

de tension n’est qu’une solution limitée pour maintenir cet équilibre mais elle ne suffit pas à
résoudre les problèmes liés à l’intégration massive des EnR. Il faut aller beaucoup plus loin dans
la maîtrise de la consommation, le pilotage des charges est ainsi un outil complémentaire majeur
mais peu exploité. A cet effet, la gestion intelligente des charges au sein des bâtiments (qui
représentent 65% de la consommation électrique en France) est une voie très prometteuse. Elle
va être étudiée plus bas.

On a mis en évidence le besoin de la maîtrise de l’énergie électrique dans tous les secteurs
face aux enjeux climatiques et énergétiques. On se consacrera sur le secteur de bâtiment du fait
de sa position de premier consommateur. On introduira également des idées de maîtrise de la
demande d’énergie électrique via une gestion des charges électriques. Nous étudions les charges
qui consomment le plus dans un bâtiment en détaillant leurs profils de consommation.

1.4. Position du bâtiment dans la maîtrise de l’énergie

En Europe, le secteur de bâtiment consomme plus du tiers de l’énergie globale. Le secteur
bâtiment résidentiel et tertiaire est considéré avec le transport, comme étant le plus grand
gisement d’économies et de modulation d’énergie. Ainsi, l’amélioration de la performance
énergétique est une priorité caractérisée par une directive du parlement européen.

1.4.1. Impact du secteur bâtiment

L'étude de la répartition de la consommation de l'énergie électrique par secteur en France met
en évidence que le secteur du bâtiment est celui sur lequel il est le plus intéressant de travailler
puisqu'il est le plus gros consommateur d'énergie électrique. La consommation d’électricité dans
le bâtiment résidentiel et tertiaire dépasse les 65% (289TWh) (Figure I-12) de la consommation
d’énergie électrique totale en 2011 [ADEM, 10].

Sidérurgie Industrie Electricité Gaz Fioul bois

Résidentiel-Tertiaire Agriculture Urbain/autres GPL Charbon
Transports
2% 3% 3% 4% 3%1%
15% 31%
27%

15%

65% 31%
Figure I-12 : Consommation finale d’électricité par Figure I-13 : Les énergies utilisées pour le chauffage (à
secteur (à partir de données ADEM2010 [ADEM, 10]) partir de données ADEM2010 [ADEM, 10])

La croissance du nombre de bâtiments est un facteur explicatif de la croissance de la

consommation d’électricité du secteur tertiaire. Selon l’Observatoire de l’Energie, la hausse de la
consommation électrique dans le secteur résidentiel/tertiaire est principalement due à

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 14

l’accroissement et la multiplication du nombre d’appareils électroménagers présents dans chaque

foyer, notamment pour les produit bruns (TV, lecteurs, enregistreurs DVD, Hi-Fi, décodeurs,
téléphonie, console de jeux, ordinateurs…). Malgré l’impact de la crise économique, la
consommation du secteur résidentiel a continué à croître de plus de 2 % par an [RTE, 09]. Le
principal ressort de cette évolution est principalement le développement du chauffage électrique.

Concernant la répartition des émissions de gaz à effet de serre liées à la combustion de

l'énergie, on s'aperçoit que le secteur des transports est celui qui est le plus contributif en 2009
avec 32% des 365 Mt CO2 émises en France. Le secteur du bâtiment n'arrive qu'en deuxième
position avec 23% des émissions après le secteur du transport mais reste un secteur très
fortement contributif. Sa contribution moindre est due en partie à l'utilisation d'énergie moins
émettrice de CO2 et plus diversifiée que pour le secteur du transport qui utilise du pétrole à plus
de 90 % [ADEM, 10].

Figure I-14: les efforts pour l'efficacité énergétique depuis l'année 1997 [Web_SCHN]

La France est en position de faire mieux que respecter ses engagements pris dans le cadre du
protocole de Kyoto [EYNA, 10] mise en place depuis l’année 1997 (voir Figure I-14). La France
s’est engagée à diviser par quatre ses émissions de gaz à effet de serre pour l’année 2050. Pour se
faire, une politique nationale volontariste s’est fixée des objectifs pour réduire les
consommations énergétiques et les émissions associées dans l’ensemble des secteurs
économiques et notamment dans le secteur du bâtiment. Cela a notamment pris corps dans les
lois issues du Grenelle de l’environnement [Web_GREN].

Le secteur résidentiel reste ainsi un secteur en forte croissance même si les actions de maîtrise
de la demande engagées aussi bien au niveau européen que français devraient contribuer à
réduire progressivement la croissance des consommations d’énergie de ce secteur. En
considérant l'importance de la consommation du secteur du bâtiment, on constate qu'il est
nécessaire de favoriser la réduction et la maîtrise de la consommation énergétique dans le secteur
résidentiel et tertiaire. L'Etat se fixe comme objectif de réduire les consommations d'énergie du
parc des bâtiments existants d'au moins 38% d'ici à 2020. A cette fin, il prévoit la rénovation
complète de 400 000 logements chaque année à compter de 2013. L’article 4 de la loi Grenelle
renforce la réglementation thermique dans le bâtiment neuf, alors que l’article 5 se concentre sur
les bâtiments existants, et prend comme objectif de diminuer au moins de 28% la consommation

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 15

énergétique dans le bâtiment à l’horizon de 2020 (Figure I-15). Cela s’est introduit par la
réglementation thermique 2012. D’un point de vue technique, cela induit un usage plus étendu de
la modélisation car elle est un moyen indispensable pour concevoir des bâtiments performants et
mettre au point des systèmes de gestion énergétique.

Pour monter dans l’échelle du logement économe (Figure I-15), et passer des « bâtiments à
basse consommation » en 2012 aux « bâtiments à énergie positive » en 2020 quand la
consommation d’énergie primaire consommée est inférieure à la quantité d’énergie renouvelable
produite sur l’année, les axes de développement d’efficacité énergétique concernent :
- la climatisation et le chauffage
- l’éclairage naturel avec exploitation de la lumière du jour par des équipements appropriés
- les appareils de basse consommation (utiliser des appareils électroménagers à haute
performance énergétique)
- l’isolation thermique
- les système de gestion énergétique permettant non seulement de résoudre les problèmes
d’adéquation, production, consommation d’énergie mais aussi de réduire la consommation
en améliorant l’adaptation des besoins énergétiques aux usages.

Délai de Moyenne du parc des

réalisation bâtiments en service

39 ans 2050 : 50 à 70 kWh/m².an

8 ans 2020 : 150 kWh/m².an

1 ans 2012 : 210 kWh/m².an

2009 : 240 kWh/m².an

Figure I-15: Objectifs pour les bâtiments existants [ADEM, 10]

1.4.2. Le bâtiment : un noeud énergétique complexe

Le bâtiment peut être considéré comme un nœud énergétique complexe car il est relié à de
nombreux flux énergétiques : réseaux de chaleur, réseau électrique, réseau de gaz et apport
gratuit (solaire, vent).

[Link]. Intégrateur d’énergies renouvelables

Les énergies renouvelables sont essentiellement issues de l’énergie solaire, que ce soit le
rayonnement solaire direct (qui permet de faire de la chaleur ou de l’électricité) ou le
rayonnement solaire déjà transformé en une autre forme d’énergie : l’énergie du vent (éolienne),
l’énergie des cours d’eau (hydraulique), l’énergie du bois, d’autres végétaux (biomasse) ou
encore des déchets urbains.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 16

L’essor des ENR est l’un des objectifs majeurs fixé à l’issue du Grenelle de l’environnement
de l’année 2007. La production de chauffage, d’eau chaude ou d’électricité à partir d’énergies
renouvelables va de pair avec une utilisation rationnelle de l’énergie liée d’une part à la
performance des bâtiments et d’autre part à la maîtrise de l’ensemble des énergies disponibles.
L’article 4 du Grenelle affirme que la norme « bâtiment à énergie positive » sera applicable dès
fin 2020 à tout bâtiment neuf. Ce sera un bâtiment autonome qui produira plus d’énergie qu’il en
consommera pour son fonctionnement. Ce but ne peut être atteint qu’avec l’intégration de
moyens de production d’énergie locale à base du renouvelable (photovoltaïque et solaire
thermique et à moindre mesure l’éolien urbain). [MENE, 07] présentent les caractéristiques d'un
bâtiment du futur avec les solutions technologiques qui permettent d'intégrer au bâtiment des
systèmes de production d'énergie à partir de sources d'énergies renouvelables : la pompe à
chaleur remplace le système de chauffage électrique. Ils ont montré la nécessité du
développement de production d'électricité décentralisée dans le secteur du bâtiment.

Progressivement, grâce à ces sources locales, le bâtiment est de plus en plus autonome au
niveau énergétique, il devient un producteur d'énergie plus efficace pour lui-même au lieu d'être
un simple consommateur. De ce fait la production et la consommation d'énergie doivent être
anticipées et coordonnées en fonction de la charge du bâtiment.

a- Le photovoltaïque :
Le photovoltaïque est considéré comme la principale source d’énergie renouvelable du point
de vue électrique pour le bâtiment. En effet, les systèmes de production d’électricité solaire
photovoltaïque sont fiables, sans danger et d’une mise en œuvre très aisée. Cette technologie est
donc bien adaptée pour répondre aux enjeux énergétiques de XXI siècle et surtout en ce qui
concerne le bâtiment. En 2010, l’intégration des systèmes photovoltaïques au bâtiment est
devenue une thématique forte avec deux dimensions connexes que sont le raccordement au
réseau et les contraintes liées à l’intégration à l’environnement urbain.
Le photovoltaïque raccordé au réseau et intégré au bâtiment permet de produire de l’électricité
sur son lieu de consommation. L’électricité produite peut alors être vendue en totalité ou en
partie au gestionnaire de réseau à un prix d’environ 15c€/kWh en France [ADEM-PV].

b- Le solaire thermique :
On désigne par énergie solaire thermique l’énergie récupérée à partir de la lumière du soleil
grâce à des capteurs solaires thermiques vitrés. Le principe général est de concentrer les rayons
solaires en un seul endroit pour transformer le rayonnement solaire en une énergie thermique
pour assurer le chauffage direct de l’eau et des locaux.
Selon les statistiques de l’association professionnelle de l’énergie solaire ENERPLAN de
2011 [ENRP, 11], le marché du solaire thermique en France métropolitain a connu une forte
croissance de 40% par an de puis 1998 jusqu’à 2006. 2007 se place en retrait avec seulement
16% de croissance. Cependant, ce marché est évalué en décroissance pour 2011 de 2% par
rapport à 2010 (Figure I-16). Le marché est composé de :

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 17

- Chauffe-Eau Solaires Individuels (CESI)

- Systèmes Solaires Combinés (SSC)
- des capteurs ont été installés pour des installations d'eau chaude solaire collectives

Figure I-16: Marché du capteur solaire en m² en France métropolitain

L’énergie solaire thermique est déterminante pour les objectifs du Grenelle d’environnement
pour 2020 qui fixe au moins 23% la part des énergie renouvelables dans la consommation
énergétique. Dans ce cadre, le solaire thermique passera de 27 000 tep (tonnes équivalent
pétrole) en 2006 à 900 000 tep en 2020, soit au total plus de 4 millions de logements équipés
[SDER, 08].

c- L’éolien urbain :
Le secteur de l’éolien urbain (intégration d’éoliennes aux bâtiments ou dans les rues) est en
plein développement. A la manière du photovoltaïque, l’intégration au bâtiment de systèmes de
production d’énergie renouvelable permet de décentraliser la production d’énergie en le
rapprochant des consommateurs. Cependant, ces petites éoliennes en milieu urbain sont des
produits particulièrement nouveaux sur le marché. Les installations et les connections au réseau
sont également assez limitées. La structure du bâtiment peut remplacer le mât de l’éolienne dans
le cas d’installations urbaines. La production d’électricité peut être utilisée sur place : pas de
transport donc pas de perte permettant également de répondre aux exigences de production
d’électricité verte. Il y a toutefois deux problèmes majeurs : la vitesses des vents réduites en
milieu urbain, du fait de nombreux obstacles d’une part et d’autre part les dimensions tout à fait
modestes de ces éoliennes. Il y a un réel besoin de faire des recherches dans ce domaine. Et en
terme de perspectives un soutien du gouvernement qui fixerait un tarif de rachat avantageux,
comme il peut en exister à l’heure actuelle pour le photovoltaïque, serait bénéfique pour le
secteur.

[Link]. Intégrateur de véhicules électriques VE

Grâce aux nouvelles technologies de l’information, aujourd’hui, chaque maison individuelle
peut intégrer non seulement les énergies renouvelables mais aussi un véhicule électrique. En
effet, l’année 2010 a fait la part belle au véhicule électrique, que ce soit par sa forte médiatisation

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 18

lors du mondial de l’automobile, par l’engagement de l’Etat (qui a récemment lancé un plan de
développement des véhicules électriques et hybrides, ou encore par l’implication des
constructeurs automobiles et des acteurs du marché de l’énergie. L’un des facteurs clés du succès
du véhicule électrique est la disponibilité de structures de charge sûres et faciles d’utilisation. Le
véhicule électrique devient dans le cadre du modèle V2B (Vehicle to Building) [TURK, 10] un
nouveau équipement de la maison qui entre dans le bilan de sa consommation.

1.4.3. Besoin de maîtrise de la demande énergétique dans le bâtiment

Dans la partie précédente, nous avons essayé de décrire le secteur bâtiment comme un nœud
énergétique complexe. Ce dernier influe directement et de manière non négligeable sur la
stabilité du réseau électrique du fait que sa courbe de consommation journalière varie et présente
des moments de hausse et de baisse de consommation et ce en quantité non négligeable (environ
60% de la consommation électrique française). L’intégration de renouvelables et de véhicules
électriques renforce ce nœud énergétique qui devient de plus en plus complexe et qui nécessite
des outils d’aide pour mettre en place des stratégies de gestion efficaces et pour maintenir
l’équilibre entre l’offre et la demande. Cet ajustement de la consommation peut être obtenu en
jouant sur la courbe de consommation journalière pour l’adapter à la production. L’objectif est
donc de moduler la courbe de charge en décalant la consommation pour éviter les risques comme
par exemple la surcharge du réseau électrique ou l’inadéquation entre la consommation et la
disponibilité de l’énergie localement.

La modulation de la courbe de consommation électrique au sein du bâtiment nécessite un

changement de comportement et de technologie qui ne peut se faire que grâce à une coopération
entre les acteurs du secteur industriel, des collectivités et du grand public et ce, à travers des
campagnes d’information et de sensibilisation et des moyens de communications. Cette idée
renvoie à la notion de système domotique ou immotique (le terme en anglais est Home
Automation System ou Building Automation System) qui permet de piloter à distance ou
localement les équipements du bâtiment. Par exemple, la température de consigne du chauffage
électrique peut être modulée, la machine à laver peut être dispatchée, etc… Les facteurs qui
doivent être pris en compte dans la gestion des charges sont des facteurs économiques basés sur
la fluctuation du tarif de l’énergie, des facteurs météorologiques comme la température
extérieure, la radiation solaire ou encore le comportement de l’usager…

1.5. Maîtrise de la demande d’énergie dans le secteur bâtiment

Le bâtiment peut se rapprocher d’un micro-réseau résidentiel, c'est-à-dire d’un ensemble de
générateurs basés sur des énergies renouvelables et de systèmes de soutien connectés au réseau à
un seul point de raccordement pour favoriser l’intégration. La problématique de gestion liée à ce
genre de système est basée sur le suivi de charge et l’optimisation économique des flux
énergétiques. Ce micro-réseau doit pouvoir travailler en mode connecté au réseau autant qu’en
mode îloté, et avec une gestion centralisée et/ou locale.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 19

A partir du moment ou un système de génération électrique (photovoltaïque, éolien) est

raccordé au réseau électrique d’un immeuble et que cet immeuble est raccordé au réseau public
de distribution d’électricité, ce système de génération est considéré comme connecté au réseau
public de distribution d’électricité. La stratégie du pilotage d’un tel système doit tenir compte
d’un scénario économique sur le long terme (politique d’achat), d’une stratégie de gestion
énergétique donnée, du coût d’investissement et d’un profil de charge. Le pilotage a pour but de
minimiser le temps de retour sur investissement selon les types de sources disponibles et leur
puissance d’installation. La situation tarifaire actuelle en France consiste à acheter au réseau
électrique la totalité de l’énergie consommée et à revendre la totalité de la production locale pour
trouver l’optimum économique.

Figure I-17: Synoptique d’installation d’un système de production hybride éolien –

PV connecté au réseau [GERG, 02].

Pour l’habitat isolé, la donne est différente en ce sens où le stockage est un élément clef et où
la stratégie de gestion consistera à gérer ce stockage en fonction de ses contraintes et en fonction
du besoin. Dans [GERG, 02], un système de production hybride éolien et photovoltaïque
connecté au réseau est associé à un stockage d’énergie [RIFF, 09] par accumulateurs Plomb-
Acide [THIA, 09] à l’échelle de l’habitat individuel (Figure I-17).

D’autre part, aujourd’hui, il est possible de vivre confortablement avec un système domotique
de production d’électricité totalement autonome. La combinaison des systèmes solaires
photovoltaïques et d’éoliennes permet d’obtenir l’autosuffisance énergétique à un coût
relativement abordable. Dans la littérature, on trouve des cas d’études qui traitent du pilotage des
systèmes autonomes [SEIG, 07] [THIA, 10]. Parmi ces études, [YAMA, 05] est un bon exemple
qui compare quatre méthodes de pilotage pour un système avec une installation autonome
photovoltaïque et diesel avec des batteries [VENU, 09].

Dans la suite de ce chapitre, nous nous intéressons plus précisément à la gestion des charges
pour le bâtiment connecté au réseau.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 20

1.5.1. Gestion des charges

Le bâtiment devient actif pour améliorer son efficacité énergétique¹ et pour s’insérer dans le
nouveau contexte de smart-grid. Une des tendances majeures est donc de le rendre « intelligent »
pour gérer de façon optimisée les équipements et éliminer toutes les consommations inutiles.
Ceci est basé sur le développement de systèmes d’interaction avec les occupants et
d’automatismes et de leur intégration dans un système de gestion global du bâtiment se basant
sur les technologies de l’information et de la communication et des algorithmes avancés de
prédiction, d’apprentissage et d’optimisation.
Au moment des pics de consommation, la production doit suivre la consommation. Il y a trois
moyens essentiels et distincts de traitement de la pointe de consommation :
- la réduction globale des niveaux de consommation
- la modulation de la courbe de charge
- le développement de capacités permettant de répondre à la pointe résidentielle.
Ce dernier point demande souvent de gros investissements pour construire des centrales
thermiques rapides. Ces dernières sont génératrices de CO2 et naturellement ont un l’impact
négatif sur l’environnement. Le plus intéressant du point de vue économique et écologique est
de se concentrer sur les deux premières solutions.

[Link]. Moins de perte dans les lignes

Le fait est que les pertes joule en ligne sont proportionnelles au carré du courant et que
l’énergie elle, est proportionnelle au courant. On répartissant la consommation de manière à
minimiser la pointe, on gagne naturellement en termes de pertes dans les lignes.

[Link]. Pilotage direct des charges

Le pilotage direct des charges, en anglais « Direct Load Control (DLC) », est une méthode
utilisée par le fournisseur d’énergie pour réduire les pics de consommation en s’appuyant sur le
caractère interruptible de certaines charges. Le contrôle direct n’est qu’une des possibilités du
pilotage des charges. Cette méthode de gestion de l’énergie était largement utilisée par les
compagnies d’électricité durant les 20 dernières années. Ce moyen de pilotage pourrait exister
non seulement dans le réseau de distribution mais aussi au niveau des consommateurs au sein des
équipements électroménagers. En effet, ce programme de gestion de délestage cible notamment
le secteur résidentiel et tertiaire, par le biais de certaines catégories de charges caractéristique :
chauffe-eau, air conditionné, chauffage [BARG, 88], charges temporaires comme la machine à
laver… Souvent, dans la littérature, l’objectif principal du DLC est de minimiser le coût de
production de l’énergie sans tenir compte d’une manière explicite du confort de l’occupant. Dans
la littérature, [HUAN, 04] présente une méthode de résolution approchée pour le problème de
pilotage direct d’un système de climatisation. [EUDE, 04] développe des algorithmes de
planification et des stratégies de délestage de charges.

¹ Désigne un paramètre qui exprime le rapport entre l'effet utile et l'énergie consommée, et qui fait appel aussi à la notion de coût
ou de comportement.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 21

Cet aspect de contrôle, déjà essayé au Etats-Unis ou au Canada, montre que le contrôle de
charges exercé sur une base de volontariat (où l’initiative de délestage est laissé à l’appréciation
du client) est mieux accepté et rencontre de bons résultats [IDE, 09].

[Link]. Contrôle par le prix

Le pilotage des charges au sein d’un bâtiment peut être touché par la hausse du prix de
l’énergie qu’une politique fiscale environnementale entraînerait. En effet, le prix de l’énergie
évolue de façon différente selon les sources et il est un des facteurs majeurs de la modification de
la consommation.

La Figure I-18 montre que la hausse du prix des énergies s’est accélérée depuis 2006 (+3,3%
par an) [ALEA, 11]. Bien que le prix de l’électricité n’ait pas cessé de baisser depuis le milieu
des années 80, l’électricité reste l’énergie la plus chère par comparaison avec les autres énergies
fossiles (gaz, fioul) et les combustibles bois.

Figure I-18: Evolution du prix moyen des énergies [ALEA, 11]

L’intégration des énergies renouvelables dans le système de production améliore la possibilité

de composer avec les tarifs d’électricité variables et ajustables pour coordonner les besoins des
usages avec une modulation de la consommation, notamment pendant les pics et les périodes de
faible disponibilité de l’énergie électrique. L’intérêt économique et les gains à attendre
dépendent en premier lieu du type de contrat avec le gestionnaire : rachat de surplus permettant
l’autoconsommation (cas allemand) ou rachat de la totalité de la production (cas français).

Le prix de l’électricité vendue par le fournisseur est actuellement fixé en fonction de tranches
horaires creuse et pleine. Mais dans un futur proche, on pourra avoir une politique permettant
d’acheter l’électricité suivant un coût dynamique représentant le vrai coût de la production
d’énergie [WAC, 93] ; ou encore, une politique permettant de calculer le coût de l’électricité
vendue en une journée. Ce principe est déjà mis en place à travers la bourse européenne de
l’énergie électrique PowerNext [PNEXT, 09].

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 22

Pour le consommateur, il s’agit d’avoir une visibilité pour maîtriser ses coûts d’électricité liés
à l’usage au quotidien d’équipements, de consommer de préférence en heures creuses, de
bénéficier de nouvelles incitations tarifaires en acceptant par exemple de décaler le lancement
d’un équipement, d’être informé de toute anomalie ou dégradation technique. Pour les
fournisseurs d’énergie, l’enjeu est de mieux gérer la charge par incitation ou par pilotage d’un
des principaux postes de consommation du foyer tout en respectant le mode de vie des
occupants. Dans ce contexte, une nouvelle génération d’appareils électroménagers intelligents
arrive sur le marché (« smart appliances ») et font partie intégrante du "Smart Grid" [Web_SB].

La loi Nome
En 2011-2012, les réglementations impactant la performance énergétique des bâtiments sont
plus que nombreuses. Qu’il s’agisse de la RT 2012, du Grenelle 2 de l’environnement, de la
directive EPB2, du plan européen pour l’efficacité énergétique 2050 ou surtout de la loi Nome,
leur but est d’économiser l’énergie, de faciliter la gestion des systèmes et de réduire les
émissions de gaz à effet de serre.

La loi NOME, loi sur la Nouvelle Organisation des Marchés d’Electricité, constitue la
prochaine étape de l’ouverture des marchés de l’électricité à la concurrence. Elle programme la
disparition des tarifs réglementés vert et jaune que sont les tarifs fixés par le ministère de
l’énergie pour les entreprises. Cette loi a été adoptée par le Parlement en Novembre 2010 et
devrait entrer en application le 1er juillet 2011.

L’objectif global de cette loi est de repenser le modèle énergétique français pour l’orienter
vers le développement des énergies renouvelables et la mise en place de solution
d’accompagnement à la maîtrise de consommation via la mise en place d’obligations de capacité
(Figure I-19). Parmi les points cruciaux de cette loi, l’augmentation des tarifs de l’électricité de
+7 à 28% [NOME, 10] d’ici 2015 selon les sources et surtout écrêté la consommation en période
de faible disponibilité de l’énergie soit par des tarifs élevés, soit par des incitations fortes à ne
pas consommer. Cela touche de près le secteur de bâtiment qui va être obligé de développer des
capacités à négocier avec les fournisseurs et à piloter dynamiquement sa consommation en
évitant de consommer dans les périodes de pointe.

En effet, la loi Nome créé un espace économique pour l’effacement de la consommation en

proposant un mécanisme de rémunération qui correspond mieux au bénéfice réel de
l’effacement. Le rapport Poignant-Sido [SIDO, 10], sur la gestion de la pointe électrique donne
des pistes intéressantes pour les définir. L’idée de l’effacement est d’adapter la demande à
l’offre, ce qui peut souvent se faire sans désagrément pour les consommateurs.
Pour conclure, la diversité de tarifications avec l’apparition de la loi Nome rend plus
complexe la gestion énergétique.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 23

Figure I-19: Obligations de capacité dans la loi Nome [Web_NOME]

[Link]. Favoriser l’autoconsommation

L’utilisation des sources d’énergie renouvelables et la lutte contre le gaspillage énergétique
sont devenues une nécessité. Dans ce contexte, la loi Grenelle 2 a institué ce qu’on appelle « le
comité de pilotage des énergies renouvelables qui se réunit tous les trois mois afin de faire le
point sur le nombre de MW installés en attente de raccordement ainsi que sur les coûts des
systèmes photovoltaïques. Parmi les idées proposées par ce comité pour faire évoluer le
dispositif de soutien au photovoltaïque, figure la mise en place d’un tarif incitant à
l’autoconsommation dans l’intégré bâtiment. Celle-ci encourage la maîtrise de l’énergie, diminue
l’appel de puissance en période de pointe et réduit les investissements nécessaires sur le réseau
de distribution. Seul le surplus est injecté sur le réseau.

Toutefois, un groupe de recherche européen du projet Eudeep [EUDE-09], recommande de

favoriser l’implantation des GED et l’abandon des prix fixes de l’électricité. Cet abandon
relancerait entre autres l’intérêt d’une gestion intelligente des consommations chez le client
utilisant les variations tarifaires dans le temps pour optimiser sa production et sa consommation
propre en favorisant l’autoconsommation. Dans le cas contraire, les variations de prix ne sont pas
ressenties par les consommateurs. La GED apporte des avantages en particulier concernant la
flexibilité de la production/consommation qui pourrait s’adapter aux prix.

La complexité croissante du système de production électrique dans la maison renforce le

besoin d’un système de gestion pour aider les exploitants/occupants à ajuster leur consommation
pour réduire leur coût énergétique tout en maintenant un niveau de confort acceptable. Le but est

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 24

de moduler la courbe journalière de consommation par modulation et décalage des charges et de

favoriser l’autoconsommation de la production locale d’énergie, en particulier, le photovoltaïque
et le micro éolien.

1.6. Charges à moduler dans le bâtiment

Dans un logement résidentiel, il existe plusieurs équipements électriques. Cependant, chaque
équipement diffère par sa puissance nominale, son type d’usage par les utilisateurs et son taux
de pénétration dans le logement d’où une différence d’impact des actions de gestion de la
demande en fonction de l’équipement électrique choisi.

La demande d’électricité est la résultante de la consommation d’électricité de différents

usages par les consommateurs. Ainsi, il est important de connaître la consommation et la courbe
de charge de chaque équipement pour permettre au gestionnaire d’énergie de savoir combien
d’énergie il peut déplacer/réduire et la puissance effacée/réduite. Avec ce contrôle des
équipements, il faut également prendre en compte le confort de l’occupant.

Pour choisir les équipements à contrôler, il est nécessaire d’analyser la consommation des
différents usages à l’échelle nationale et leurs contributions dans les périodes de faible
disponibilité énergétique sur le réseau électrique. Selon le rapport de RTE [RTE, 11], la
distribution des différents usages en 2007 était répartie selon la Figure I-20 :

Chauffage Electroménager froid+lavage

Autres Eau chaude sanitaire (ECS)
Produits gris+bruns Cuisson
Eclairage Ventilation mécanique controlée
Climatisation
7% 1% 1%
7% 25%

12%

13% 21%
13%

Figure I-20:Distribution de la consommation résidentielle par type de charge en 2007 d’après les données [RTE, 11]

Cette figure montre que le chauffage, l’électroménager froid, le lavage et l’eau chaude
sanitaire l’ECS sont responsables pour la grande partie de consommation (environ 70%). Ils sont
donc les gisements de modulation les plus importants. Ainsi, aujourd’hui où la faible
disponibilité de l’énergie correspond aux périodes de pic, la modulation des usages électriques
pourrait consister à déplacer la consommation soit vers la nuit, soit par exemple de déplacer une
partie de l’énergie du grand pic de 19h vers les creux de 16 à 18h.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 25

1.6.1. Chauffage électrique

En France, le chauffage électrique est le plus répandu dans les logements résidentiels. Il est le
plus gros responsable de la pointe de consommation pendant l’hiver et représente un quart de la
consommation totale électrique résidentielle.
Dans le principe, un convecteur électrique est équipé d’une résistance électrique, qui,
lorsqu’elle est traversée par un courant électrique, chauffe par effet joule et entraîne par
convection l’air froid de bas en haut. On parle donc de production de chaleur par effet joule.
Finalement, l’air va sortir par la partie supérieure du convecteur (« Grille à ailettes », (Figure I-
21). La lecture de la température de l’air se fait par une sonde et le contrôle de la température est
fait par un thermostat soit mécanique (bilame, bulbe, tension de vapeur) soit par un thermostat
électronique associé ou non à un régulateur (PI ou PID). La plupart des appareils les plus récents
sont équipés de thermostats électroniques.
Pour ajuster la température dans la pièce, l’utilisateur modifie soit la position du thermostat
dans le boîtier, soit le mode de fonctionnement qui donne la consigne de commande au
thermostat. Généralement, les modes de fonctionnement existants sont :
• confort : programme utilisé pendant les heures d’occupation ;
• éco : programme utilisé pendant les heures d’inoccupation. Avec ce mode, la consigne
de température est abaissée de 3 ou 4°C par rapport au mode confort, ce qui correspond
à une température plutôt inconfortable pour l’habitant.
• hors-gel : programme où le thermostat est modifié pour une température de consigne
d’environ 7°C ;
• arrêt : le chauffage est éteint
Parmi les avantages d’un tel équipement, on trouve l’absence d’inertie de chauffage qui
permet de monter rapidement en température avec une forte puissance thermique. Par contre
l’inconvénient majeur est qu’il présente une forte consommation, 30% plus élevé que le
chauffage radiant (Figure I-22).

Les principaux fabricants de chauffages électriques offrent aussi la possibilité d’installer des
délesteurs ampérométriques pour le chauffage ambiant. Sa fonction est non seulement de couper
le chauffage quand la puissance souscrite est dépassée, mais aussi d’ajuster le fonctionnement de
ces systèmes en fonction du type de tarif choisi (option H.C/H.P ou Tempo-EDF).

Le radiateur rayonnant est équipé de fines résistances. A la différence du convecteur, le

chauffage rayonnant ne chauffe pas l’air, mais plutôt les masses présentes au sein du logement.
En cela, il chauffe les objets eux-mêmes qui une fois chauds réchaufferont l’air ambiant de la
pièce dans laquelle ils se trouvent. La température dégagée par cet appareil ne soit jamais plus
élevée que celle du corps humain ce qui est un avantage. Cependant, l’inconvénient est que ce
type de chauffage est peu adapté aux grandes pièces.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 26

Figure I-21: Convecteur électrique [Modèle F18 Figure I-22: chauffage rayonnant (radiant) [Modèle
multiforme- catalogue Atlantic] Tatou – Catalogue Atlantic]

1.6.2. Electroménager froid et lavage

En France les électroménagers froids et lavage occupent la deuxième position avec 21% de la
consommation électrique résidentielle après le chauffage. Il s’agit de plusieurs appareils tels
que : machines à laver, lave-vaisselles, sèche-linges, réfrigérateurs et congélateurs.

[Link]. Machine à laver

Pénétration en Europe et en France

La pénétration de la machine à laver en France pour l’année 2005 est d’environ de 95%
[STAM, 08]. Cet appareil est donc à considérer avec attention.
La commission européenne a estimé dans son livre vert sur l’efficacité énergétique [VER, 05]
une consommation totale d’électricité pour les machines à laver de 26TWh pour l’UE en 2003 et
de 23TWh pour l’année 2010 (avec la politique actuelle) sachant que la consommation annuelle
par foyer européen vaut 170 kWh.
Une étude allemande récente [BP, 07] a évalué la consommation totale d'énergie pour laver le
linge dans 100 foyers pendant un mois à 1045,5 kWh et la consommation moyenne par cycle à
0,89 kWh (charge moyenne : 5 kg). Extrapolé à un an, cela conduit à une consommation
annuelle d'électricité de 125 kWh et 141 cycles de lavage par ménage.
La Figure I-23 montre que 37% des lavages en France se font à la température 40°C, 30% à
30°C, 20% à 60°C et le reste à 90°C, 50°C et à froid. La même étude [BP, 07] pose un autre
problème qui porte sur la question de la possibilité de retard du démarrage des machines et sur
l’usage effectif de cette fonction.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 27

Figure I-23: Pourcentage d’utilisation des différentes températures de lavage pour

différents pays en particulier la France [STAM, 08]

La France est le pays qui a le grand pourcentage de machines à laver capables de retarder leur
temps de démarrage ou de choisir la fonction de présélectionner avec 43% du parc [STAM, 08].
D’après la Figure I-24, 34% des consommateurs français avouent ne « jamais » utiliser cette
option, 35% disent le contraire (à chaque lavage) et 20% pour ceux qu’ils l’utilisent environ une
fois par semaine. D’après la Figure I-25, 42% des français choisissent de décaler l’instant de
démarrage de la machine à laver entre [0, 3h] et 38% préfèrent le décaler entre [4 et 6h] et le
reste (20%) à plus de 7h.

Figure I-24: Utilisation de l’option retard de temps dans la Figure I-25: Durée d’attente de la machine à laver en
machine à laver pour différents pays [STAM, 08] position «démarrage retardé » [STAM, 08]

Malgré les tarifs heures creuses/heures pleines, les machines à laver ont une grande
probabilité d’usage pendant les heures où les pics de puissance globale sont les plus forts : le
matin vers 7-8 heures et la fin de l’après midi vers 18-20 heures (Figure I-26). Aujourd’hui,
l’impact des lave-linges sur les pics de consommation est accru par le comportement des usagers.

Puissance demandée et courbe de charge

La courbe de demande de puissance pour un processus de lavage moyen présente trois

différentes phases de fonctionnement : l’eau est tout d’abord chauffée à la température désirée
par un système de chauffage entre 1800 et 2500W de puissance nominale. Lorsque la
température désirée est atteinte, le processus de nettoyage peut être poursuivi pendant un certain

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 28

temps, suivi par plusieurs processus de rinçage (Figure I-27). Tout ce processus peut être
contrôlé soit par un contrôleur électronique, soit par une horloge (« Timer ») mécanique. Le
processus peut prendre entre 15 mn et 3 heures.

Cette demande d’électricité peut varier d’un programme et d’une machine à l’autre. Cette
demande de puissance est décalée d’un nombre défini d’heures si et seulement si le
consommateur a activé la fonction de retard de l’heure de démarrage. La Figure I-26 montre
qu’il y a deux périodes principales où les machines à laver sont utilisées : soit le matin ou soit en
fin d’après midi/soir.

Chauffage Lavage Essorage

2500

2000

Power (W)
1500

1000

500

0
0 1000 2000 3000 4000 5000 6000
Time(s)

Figure I-26: Fonctionnement de la machine à laver par Figure I-27: Profil de consommation d’une machine à
heure pour différents pays [STAM, 08] laver

Opération de décalage dans le temps

Cette option peut dépendre de plusieurs paramètres d’entrées. En effet, le consommateur

appuie sur le bouton de marche pour commencer les cycles de fonctionnement mais la machine à
laver ne démarre pas. Elle attend l’ordre d’un système de gestion énergétique qui reçoit un signal
sur la disponibilité de l’énergie et/ou sur le prix de l’énergie pour calculer l’heure de démarrage.
Le consommateur doit donc prendre sa propre décision. Le comportement du consommateur peut
dépendre de l’heure de la journée et de la saison (par exemple, l’utilisation du soleil pour le
séchage juste après lavage). Sa disposition à accepter cette solution croit lorsque les coûts
supplémentaires sont compensés par les économies réalisées via la facture d’énergie. Les
informations communiquées au système de gestion peuvent se faire à travers les prévisions
météorologiques ou par l’envoi de signaux provenant d’un fournisseur d’électricité.

[Link]. Le lave-vaisselle
Pénétration en Europe et en France

La pénétration de la machine à laver la vaisselle dans l’UE est très différente d’un pays à un
autre. La pénétration moyenne dans l’UE est de 42% et à 45% en France [STAM, 08]. La même
étude montre qu’il y a des probabilités à peu près égales d'exécuter un programme de nettoyage à
une température de lavage de 50/55 °C ou de 60/65 °C, en France. A l’instar de la machine à

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 29

laver, la même étude [EUP, 10] porte sur la fonction de sélectionner l’heure de démarrage pour
les laves-vaisselles. Cette étude révèle que globalement, 39% des laves-vaisselles sont équipés
d’une telle option bien que cela diffère d’un pays à l’autre. La France arrive en seconde position
avec 54% des lave-vaisselles ayant la fonction de retard du temps de démarrage après l’Italie
avec 55% [STAM, 08].

Interrogés sur la fréquence d’utilisation de cette option, la plupart des consommateurs avouent
ne « jamais » l’utiliser (en moyenne 45%). Seuls 27% l’utilisent systématiquement et 15%
l’utilisent environ une fois par semaine. La France, se trouve au dessus de la moyenne
concernant l’utilisation de cette fonction avec 45% des foyers se situant au dessous de la
moyenne pour les non utilisateurs avec 35% des foyers (Figure I-28). Cette fonction a aussi un
impact négatif sur la consommation d’énergie. En effet, la machine consomme une petite
quantité d’énergie lors de l’attente de l’heure de début.

En France, en demandant aux consommateurs qui ont une fonction de retard de démarrage
pour leur lave-vaisselle, 60% choisissent de retarder entre 0h et 3h les lavages et 30% préfèrent
décaler cette date de 4h à 6h (Figure I-29), le reste (10%) de plus de 7 heures.

Figure I-28: Utilisation de l’option de retard de temps dans Figure I-29: Durée de retard du démarrage de la lave-
la lave-vaisselle pour différents pays [STAM, 08] vaisselle [STAM, 08]

Cette analyse montre un comportement ayant un impact important car il n'y a qu'une seule
période dominante où les lave-vaisselles sont utilisés : en fin d'après midi et en soirée.
L’Espagne est une exception car un grand nombre de machines sont exploitées la nuit et non au
moment du pic apparaissant dans la soirée (Figure I-30). Ce problème peut être facilement
expliqué par des consommateurs qui décident de commencer les lavages après le dîner. Comme
le dîner en Espagne est assez tard, cela explique la forme de la courbe de consommation
journalière pour les consommateurs espagnols.
Puissance demandée et courbe de charge

Le fonctionnement d’un lave-vaisselle se caractérise selon une étude menée par GEA (Group
for Efficient Appliances) [GEA, 95] ainsi qu’une étude menée par Stamminger [STAM, 08] par
5 phases :

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 30

• pré-rinçage (froid) – la vaisselle est remplie d’eau froide.

Lavage – la vaisselle est remplie d’eau chauffée jusqu’à la température choisie par
l’utilisateur (normalement 50/55°C, 60/65°C ou 70/75°C) par une résistance électrique avec une
puissance entre 1800 et 2500 W. Quand la température désirée est atteinte la résistance s’arrête
et le cycle de lavage peut continuer pendant un certain temps (la température va baisser à un
rythme d’environ 0.3 °C/min).
• rinçage (froid) - la vaisselle est remplie d’eau froide.
• rinçage (chaud) – L’eau est réchauffée à une température un peu au-dessus de la
température de lavage pour préparer la phase de séchage.
• séchage.

Rinçage à Rinçage à chaud

Lavage à l’au chaude froid + Séchage
2500

2000

Pow er (W )
1500

1000

500

0
0
2 85
5 70
8 55
11 40
14 25
17 10
19 95
22 80
25 65
28 50
31 35
34 20
37 05
39 90
42 75
45 60
48 45
51 30
Time (Second)

Figure I-30: Fonctionnement de la machine à laver par heure Figure I-31: Profil de consommation d’un
pour différents pays [STAM, 08] lave-vaisselle

[Link]. Réfrigérateur
L’ensemble du processus de refroidissement dans un réfrigérateur est contrôlé par un
dispositif de contrôle mécanique et/ou électronique. Dans des conditions normales de
fonctionnement (aucune nouvelle charge, température ambiante normale) ; le réfrigérateur ne
consomme de l’électricité que 20 à 35% du temps. Mais ce pourcentage peut atteindre 100%
quand, par exemple, un grand nombre d’articles ayant besoin d’être refroidis sont chargés dans le
réfrigérateur.
Selon une enquête de consommation menée au sein de l'étude préparatoire pour l'éco-
conception des réfrigérateurs et congélateurs [EUP, 07], 21% des ménages possèdent un
deuxième réfrigérateur. D’après [ECC, 01], la consommation annuelle d’énergie par ménage
possédant un réfrigérateur est d’environ 403,5kWh. La puissance nominale des réfrigérateurs
varie en fonction de leur taille dans une gamme de 50 à 300W.

Une courbe standard pour la puissance demandée et la température à l’intérieur de

réfrigérateur est donnée par la Figure I-32.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 31

Figure I-32: Allure de la puissance demandée par le réfrigérateur et sa température intérieure [STAM, 08]

Les courbes de consommation et de température de cette figure ne montrent pas les

phénomènes d’ouverture de porte du réfrigérateur et de chargement d’un nouvel article à
refroidir. D’après [THOM, 07], la consommation d’énergie est corrélée à la fréquence des
ouvertures de portes de réfrigérateur qui conduit à des pertes énergétiques (Figure I-33). Cette
étude estime que 25% de la consommation totale d’énergie des réfrigérateurs est induite par le
comportement des consommateurs. Par conséquent, la courbe de demande de puissance de tous
les appareils suivra la même allure que celle donnée par la Figure I-34.

Figure I-33: la fréquence d'ouverture la porte de Figure I-34: la puissance demandée par le
réfrigérateur en % durant la journée [THOM, 07] réfrigérateurdurant la journée [THOM, 07]

1.6.3. L’eau chaude sanitaire

L’eau chaude sanitaire représente environ 13 % de la consommation d’électricité dans le
secteur résidentiel. Le chauffe-eau avec une capacité de stockage d’eau variant entre 5 et 300
litres a une puissance électrique nominale qui peut atteindre 6000W. La température de l’eau
peut atteindre 65°C.
Le pourcentage de consommation de l’eau chaude sanitaire durant le week-end et les jours de
la semaine est donné par la Figure I-35. La courbe présente un pic de consommation entre 7h et
8h et entre 19h et 21h pendant les jours de la semaine. Le pic du matin se décale vers 12h
pendant les week-ends.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 32

Figure I-35: période de consommation de l’eau chaude sanitaire durant la journée [STAM, 08]

1.6.4. Cuisson
Deux types d’énergie sont utilisées par les appareils de cuisson sur le marché européen : gaz
et électricité. On s’intéresse seulement aux appareils de cuisson qui utilisent de l’électricité. La
cuisson représente 7 % de la consommation électrique résidentielle, mais du fait des grands
appels de puissance des appareils de cuisson et pendant les heures de pointe (pointes en hiver :
~19 heures), leur contribution pendant les pics de consommation est significative. Toutefois, le
contrôle des équipements de cuisson est plus délicat que pour le cas de l’ECS car les
consommateurs sont très sensibles à des changements de leurs habitudes.

La température de cuisson peut varier entre 50°C et 300°C. L’utilisation d’un système de
chauffage ventilation intensifie la convection qui accélère le processus de cuisson. Cela permet
l’utilisation d’une température plus basse et diminue donc la consommation d’énergie. L’énergie
consommée dépend, à la fois, du temps de cuisson et du programme de chauffe choisi.

Figure I-36: Courbe de charge journalière moyenne de l’ensemble des appareils de cuisson électrique [SIDL, 99]

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 33

[SIDL, 99] montre qu’environ 50% de la consommation totale d’énergie de cuisson sont
attribués aux plaques électriques et 42% aux fours. L’utilisation des équipements de cuisson
dépend essentiellement de la taille du ménage, car cela définit la quantité de repas à cuire.
L'étude du projet SAVE [SIDL, 99] a publié que durant la journée une plaque de cuisson
électrique est principalement utilisée à midi et le soir : cela se reflète dans sa courbe de demande
de puissance donnée par Figure I-36.

1.7. Vers le concept « Energy Smart Home »

A travers ce chapitre, apparaît la complexité des systèmes bâtiments : ce sont des systèmes
multi-sources et multi-charges où les occupants ont un rôle déterminant. Le besoin de maîtrise
énergétique concerne nécessairement le bâtiment qui totalise 65% de la consommation électrique
en France. Les solutions de maîtrise de l’énergie doivent gérer un maximum des charges
existantes dans une habitation : on parle de gisement de modulation. Or la complexité mise en
évidence conduit à des solutions de gestion énergétiques avancées : on parle de nouveau
paradigme d’"Energy Smart Home". La partie suivante de ce chapitre définit ce nouveau
paradigme.

1.7.1. Du "Smart Grid" au "Smart Home"

Face aux enjeux climatiques et énergétiques, à l’augmentation de la demande de l’énergie, au
développement de moyens de production décentralisés, en particulier des énergies renouvelables,
à la maîtrise des consommations et à la complexité du système de production et consommation,
un nouveau concept de réseau électrique, nommé « Smart Grid » se développe rapidement
[KANC, 11]. La Figure I-37 illustre comment les systèmes "Smart Grid", "Smart City" et "Smart
Home" se structurent. Dans cette partie, nous exposons le problème du « Smart Grid » au "Smart
Home". Nous indiquons quelques solutions existantes sur lesquelles s’appuient nos travaux de
recherche.

Pour remédier aux problèmes causés par la consommation excessive et inconsciente de

l’énergie, des solutions efficaces et applicables doivent être développées. Le consommateur, le
concepteur et le politicien sont tous concernés. Le consommateur doit ne consommer que "ce
dont il a besoin" lorsque c’est possible ou préférable, on parle de "sobriété énergétique". Le
concepteur doit concevoir et fournir des appareils et des processus efficaces et le politicien doit
favoriser la production d’énergie durable qui s’appuies sur des énergies renouvelables et ce
malgré une disponibilité très fluctuante.

La synergie entre "sobriété énergétique" et "efficacité énergétique" débouche sur ce que l'on
appelle "l'utilisation rationnelle de l'énergie" [CHAB, 97]. La notion de "Smart-X" fait référence
aux solutions d’ajustement qui permettent d’appréhender la complexité croissante des systèmes
d’énergie.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 34

Génération de Génération de
Solutions AGREGATEUR pointe centralisée
Energie des industrielles Optimisation en temps
commerces réel

Réseau

Energie des Le véhicule

résidences Génération distribuée
électrique Micro génération (Renouvelable)

Smart Home Smart City Smart Grid

Production (du producteur vers réseau)

Flux d’information entre l’agrégateur et le producteur ou consommateur

Consommation (du réseau vers consommateur)

Figure I-37: Du "Smart Grid" au "Smart Home" en passant par le « Smart City »

[Link]. Notion de "Smart Grid"

Il est nécessaire de commencer par définir le concept de "Smart Grid". La majorité des
définitions les plus proches du contexte européen décrivent le "Smart Grid" comme un réseau de
distribution électrique qui utilise différentes technologies (télécommunication, logiciels et autres)
de manière à optimiser la production et la distribution [LESG, 09]. Son objectif principal est de
mieux mettre en relation l’offre et la demande entre producteurs et les consommateurs
d’électricité, pour une meilleure sécurité d’approvisionnement et une production d’électricité
compétitive.

La décentralisation des sources d’énergies renouvelables (photovoltaïque, éolien…) fait

apparaître des productions diffuses et intermittentes qui devront être prises en compte par le
réseau au niveau global. De surcroît, ces systèmes devront permettre l’intégration de nouvelles
applications consommatrices d’électricité à l’instar des véhicules électriques. Ainsi, le
consommateur d’hier, devient plus impliqué dans le fonctionnement du réseau, il peut devenir
producteur et consommer tout ou partie de sa propre production. Il faut aussi réinjecter de
l’énergie sur le réseau et cela rend le maintien des équilibres de plus en plus complexe d’où le
rôle du "Smart Grid" [FARH, 10] [IPAK, 09] [RONC, 08].

Le passage d’un réseau arborescent unidirectionnel avec une production centralisée vers un
réseau en cellule, avec une production décentralisée, nécessite la mise en place de compteurs
intelligents et communicants (notion de smart metering) capables, à la fois, d’alerter sur des
situations de pointes et d’éviter les pics de prix d’électricité sur le marché et ainsi minimiser
l’impact carbonne.
Pour conclure, le smart grid permet la gestion de la demande, grâce à ces compteurs
intelligents et une communication bidirectionnelle qui offre aux usagers finaux la possibilité de

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 35

gérer leurs communications au cours des différentes heures de la journée, de reporter certains
usages et/ou de diminuer leur communication en fonction des incitations auxquelles ils sont
susceptibles de répondre (« Demande side Management »).

[Link]. Coopération énergétique dans le "Smart City"

Dans le contexte de "Smart Grid", on envisage des options qui permettent des échanges
énergétiques entre les bâtiments et de rendre possible la mutualisation et la coopération
énergétique pour améliorer les performances globales, notamment vis-à-vis de l’énergie solaire.
Le "Smart City" vise à coordonner les productions décentralisées d’énergies renouvelables, les
moyens de stockage [Riff, 08] et les sites de consommation ainsi que, les infrastructures de
recharge des véhicules électriques voire hybrides rechargeables [ADEM, 09]. En effet, les
bâtiments et îlots peuvent servir de moyens de stockage de l’énergie, notamment pour valoriser
l’énergie fatale en rechargeant par exemple des véhicules électriques.

L’idée est de tirer profit des caractéristiques énergétiques des bâtiments basse consommation
(BBC) et à énergie positive pour optimiser les actions de réhabilitation électrique à l’échelle de
l’îlot (ensemble de bâtiments) ou du quartier existant. Des synergies et des interactions
énergétiques sont également recherchées entre les bâtiments résidentiels et tertiaires, par
exemple, des solutions d’échange d’énergie, par exemple de chaleur, sont envisagées. Cette
transition vers le "Smart City" ou le micro-grid nécessite des technologies de l’information et de
la communication (TIC) assez sophistiquées et développées notamment les « Smart Meter »,
ainsi que des gestionnaires d’énergie à l’échelle du "Smart City". Le rôle de ce nouveau type de
réseau est de coordonner le fonctionnement d’un ensemble ainsi large que possible de bâtiments
et de sites industriels du point de vue de leur demande instantanée d’électricité afin de les rendre
acteurs de l’équilibre du système électrique. Par exemple, un système de gestion global peut
effacer certains usages électriques de bâtiments ou démarrer des groupes électrogènes de secours
durant les périodes de pointe de demande sur le réseau. Pour ce faire, il faut rendre les
immeubles et les bâtiments communicants : ces nœuds élémentaires sont les "Smart Homes" ou
les "Smart Offices".

L’ouvrage [FROP, 11] décrit un modèle de micro-réseau basé sur un ensemble

d’appartements d’un immeuble qui a sa propre production d’électricité de PV avec son propre
stockage d’énergie connecté au réseau. Chaque ménage possède une part de l’installation locale
qui représente une partie de la production PV. Les appartements individuels seront en mesure
d’obtenir leur approvisionnement en électricité non seulement à partir de leur propre part de
l’installation locale, mais aussi à partir du marché local si aucun autre appartement n’a d’excès
d’offre par rapport à sa demande. Enfin, si le marché ne permet pas d’obtenir l’équilibre offre-
demande de l’ensemble du bâtiment, le système est toujours connecté au réseau.

Ces micro-réseaux urbains incluent la génération et le stockage de l’énergie (panneaux

photovoltaïques et batteries), la coopérative d’habitations, les consommateurs, les services

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 36

offerts par les fournisseurs d’électricité et les gestionnaires de réseau de distribution (GRD). Les
différents acteurs de ce système sont liés comme l’indique la Figure I-38:

Énergie électrique
Services
Consommateurs
Monnaies
Abonnement pour les
services

Réseau
Stockage Coopératives Électrique
d’énergie d’habitation

Services

Figure I-38: Interaction entre les différentes parties d’un micro-réseau

Le processus d’offre et de demande est un processus en trois étapes : 1- l’alimentation par la

production locale, 2- l’alimentation à partir du partage entre les bâtiments, 3- l’alimentation par
le réseau électrique. Toute demande domestique d’électricité de chaque habitation est d’abord
satisfaite par la production locale disponible.

Le rapport [FROP, 11] décrit un intéressant exemple d’organigramme (Figure I-39) qui
résume le fonctionnement du système "Smart Building" et "Smart Grid". Pour commencer le
processus du marché local, il faut déterminer tout d’abord la demande totale de puissance et le
total du surplus de puissance produit localement par tous les ménages. Il y deux paramètres à
déterminer:
- marketMode, indique si le marché local est dans un mode demandeur ou bien un mode
fournisseur.
- marketFactor, est la valeur de la demande domestique totale non connectée par rapport au
total du surplus disponible. Il reflète la relative disponibilité de l’offre locale en égard à la
demande locale. Si le marketFactor=0 (la demande=0 et/ou l’approvisionnement
locale=0), il n’y a pas de marché local et soit la production de l’installation locale est
automatiquement vendue au réseau, soit la demande est satisfaite par le réseau.

Les "Smart Grids" ont déjà été déployés dans plusieurs pays comme en témoigne l’exemple
de Malaga. La ville espagnole a en effet mis en place le programme « Smart City », qui vise à
créer un réseau électrique intelligent et repose notamment sur l’utilisation des énergies
renouvelables. Ce projet, qui a débuté en 2009, permettrait à la ville de réaliser une économie
d’énergie de près de 20%, soit une réduction de 6 000 tonnes d’émissions de CO2. Par ailleurs,
le village de « Rokkasho » au Japon a réalisé en Décembre 2010, un projet démonstrateur de
« smart grid » et « smart city » qui montre une intégration totale entre résidences et voitures
électriques [QUEN, 11].

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 37

Couplage
local

Déterminer le « marketMode »
et « marketFactor

Déterminer le rôle dans le

marché local

Vendre l’excès de
oui l’offre au marché non
local?

Marché local: Marché local:

demandeur fournisseur

Déterminer le prix Déterminer le prix

maximal pour la maximal pour la
capacité de vente oui Demandeur? non capacité d’achat
sur le marché local sur le marché local

Déterminer les oui Calculer l’offre

soumissionnaires basée sur la
offrant le plus haute stratégie de
enchère et de soumission et le
s’engager dans le prix les plus
couplage abordables
Ressources
complémentaires
disponibles?
Enregistrer les Envoyer la
données candidature à
d’alimentation de la priseur
demande non correspondants

Mise à jour de la Couplage Mise à jour de la

capacité restante réseau capacité restante
pour la vente pour l’achat

Capacité=0? non non Capacité=0?

Fin de la période
oui oui
de marché

Figure I-39:Organigramme pour le couplage de l’approvisionnement de l’offre [FROP, 11]

L’intégration des véhicules électriques aux "Smart Grid" offre de multiples opportunités. En
effet, les voitures peuvent servir de stockage tampon pour limiter les variations de
consommation. Lorsque la demande est faible, comme la nuit, les véhicules électriques sont
chargés au maximum pour éviter les surproductions. A l’inverse, lors de brefs pics de demande,
les voitures électriques connectées pourraient décharger quelques kWh sur le réseau pour
contribuer à l’effacement de ces pointes [TURK, 12].

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 38

Figure I-40: Smart Grid du village de Rokkasho-Japon [QUEN, 11].

[Link]. Le "Smart Home"

Pour s’inscrire dans les réseaux électriques "Smart Grids" et pouvoir communiquer avec les
îlots "Smart City" tout en respectant le droit à la confidentialité des occupants, le bâtiment ou la
maison doit être obligatoirement communiquant : c’est la notion de "Smart Home". Une
première application de bâtiment intelligent est apparue aux Etats-Unis dans les années 1970
sous le nom de Building Energy management System ou BEMS [NIKO, 04]. Il s'agit d'un centre
d'agrégation et de traitement de données (dump outstation) pour les bâtiments. L'idée de "Smart
Home" s'est consolidée dans les années 1980, avec les développements des technologies de
l'information. Selon [NIKO, 04], un bâtiment intelligent devrait intégrer les quatre systèmes
suivants (Figure I-41) :
1. un système d'automatisation du bâtiment (Building automation System) qui fournit les
services aux résidents à l’échelle de l'ensemble du bâtiment : le système de ventilation et d'air
conditionné (HVAC : Heating Ventilation and Air Conditioning), les systèmes d'éclairage et les
systèmes de sécurité par exemple.
2. un système de communication (Telecommunications System).
3. des systèmes d'automatisation de pièce (Room automation System) qui suivent le même
principe que le système précédent mais rapporté au niveau de chaque pièce.
4. des systèmes de contrôle/commande (Computer Aided Facility Management System) qui
gèrent les équipements des pièces.

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 39

Figure I-41: Les quatre systèmes composant le "Smart Home".

1.7.2. Notion d’"Energy Smart Home"

Pour que le bâtiment soit intelligent et puisse s’autoréguler sur le plan énergétique, en
fonction de son exposition, de son occupation, des conditions météorologiques, des conditions
d’accès à l’énergie et de ses capacités de stockage, il faut qu’il soit instrumenté (selon le même
principe que les smart grids), c’est-à-dire doté de capteurs et de systèmes d’information et de
communication pour mesurer, détecter des anomalies, actionner des équipements (stores,
système de chauffage ou climatisation, etc…). Cela relève de la gestion énergétique qui rend les
bâtiments intelligents, domaine dans lequel beaucoup d’équipements existent déjà. L’enjeu est de
ne plus faire uniquement du suivi, mais également de la gestion (délestage, ajustement des
courbes de chauffage, etc.) soit direct, soit par implication des occupants.

La gestion dynamique de la demande se base sur deux paradigmes : le contrôle direct et le

contrôle par le coût. Formaliser les attentes des utilisateurs finaux uniquement sous forme de
coûts énergétiques n’est pas approprié parce que la solution évidente est d’arrêter de consommer
de l’énergie. Les utilisateurs finaux cherchent un meilleur compromis entre les coûts de l’énergie
et un confort obtenu grâce aux équipements de la maison. Un lieu de vie peut être vu comme un
système qui transforme les coûts énergétiques en confort. Ce point de vue est lié à une notion
d’efficacité, qui représente généralement un ratio entre la sortie d’un processus et des entrées.
[LOVI, 04] propose différents types d’efficacité énergétique en fonction de la chaîne de
conversion de l’énergie.

La gestion dynamique de l’énergie pour maximiser une efficacité énergétique d’usage dans
une maison fait apparaître la notion d’"Energie Smart Home". L’ "Energy Smart Home" aide les
occupants à atteindre un meilleur compromis coût/confort. Le "Smart Home" exposé au Musée
des sciences et de l'industrie de Chicago dispose d'un système sophistiqué qui surveille les
niveaux actuels d’énergie solaire et éolienne générés par le film solaire de la maison et par la
turbine éolienne, ainsi que la consommation d'énergie des équipements de la maison. Il calcule
les économies d'énergie que l’ajustement au système produira.

Un "Energy Smart Home/Office" doit impliquer les occupants dans la gestion, en gérant
certains équipements mais aussi en les aidant à gérer certains autres équipements. L’aide peut
prendre la forme d’un système interactif auquel les occupants peuvent obtenir (Figure I-42):

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 40

- des recommandations et des conseils d’action : ce qui va arriver si… ?

- des indicateurs pour la surveillance : ce qui se passe actuellement ?
- des indicateurs de performance énergétique a posteriori : ce qui s'est passé ?

Pour que les conseils puissent introduire des actions, il faut avoir des moyens d’action manuels
ou automatisés.
Je vous
conseille ....

Que faire si… Qu'est-il

arrivé ...

Qu'est-ce qui
se passe?

Figure I-42 : Idée conseiller énergétique pour un "Energy Smart Home"

Un "Energy Smart Home" devrait être équipé d’un logiciel de conseil énergétique qui
conseille et gère les systèmes énergétiques en tenant compte des préférences des occupants. La
communication entre ce "conseiller" et les occupants se fera via des interfaces homme-machine
adaptées (smart-phones, interfaces optiques, commandes vocales,…). Le "conseiller" qui aide à
gérer l’"Energie Smart Home" est le Système de Gestion Energétique de Bâtiment SGEB. La
Figure I-43 montre que ce système doit non seulement s’adapter aux conditions météorologiques
extérieures, mais aussi s’adapter aux exigences des occupants qui doivent garder la mainmise sur
la décision finale.

Figure I-43 : Modélisation de l’efficacité de l’utilisation de l’énergie

Université de Grenoble INP 2012

Chapitre 1 : Contextes énergétiques & problématiques 41

1.8. Conclusion
Le secteur bâtiment peut constituer un élément de réponse majeur aux défis énergétiques et
environnementaux. Aujourd’hui, le bâtiment intègre de plus en plus de sources d’énergies
renouvelables dans son système de production. Il comportera aussi des moyens de stockage si le
concept de véhicule électrique se développe. Cela induit une complexité croissante des stratégies
de gestion de la consommation et donc des outils d’aide à la gestion pour les
exploitants/occupants des bâtiments. Cette complexité est d’autant plus importante que le
système de tarification se complexifie : tarif variable, paliers, tarifaires,…

Le nouveau paradigme d’"Energy Smart Home", apparaît comme une solution pour résoudre
la complexité des réseaux et des micro-réseaux. Plusieurs algorithmes et systèmes de gestion
énergétiques ont été conçus pour maîtriser l’énergie dans le bâtiment. Les chercheurs et les
développeurs, doivent pouvoir tester et valider ces systèmes.

La deuxième partie de ce mémoire met en évidence le besoin de nouveaux outils de

validation, après avoir décrit un exemple de gestionnaire énergétique à valider. Il propose deux
principes de validations que l’on nomme virtuel et temps réel hybride.

Université de Grenoble INP 2012

 Chapitre 2

Vers la validation des « Energy Smart Home »

Explores wide-ranging applications of modeling

and simulation techniques that allow readers to
conduct research and ask "What if...?"

John A. Sokolowski, Catherine M. Bank

Sommaire chapitre 2
2.1. Introduction..................................................................................................................................44

2.2. Position du problème ...................................................................................................................44

2.2.1. Nécessité d’une validation ....................................................................................................44
2.2.2. Validation dans d’autres contextes........................................................................................45
[Link]. Expérimentation et état de l’art des "Energy Smart Home" .............................................46
[Link]. La simulation ....................................................................................................................48
a- Simulation virtuelle...............................................................................................................48
b- Simulation temps réel............................................................................................................49
c- Simulation temps réel hybride..............................................................................................50

2.3. Nature des problèmes de validation par simulation .................................................................52

2.3.1. Hétérogénéité des systèmes...................................................................................................52
2.3.2. Zone de vie avec interactions complexes ..............................................................................53

2.4. Gestionnaire énergétique choisi pour la validation : G-homeTech .........................................54

2.4.1. Etat d’art des gestionnaires énergétiques ..............................................................................54
2.4.2. Notion de service...................................................................................................................56
2.4.3. Mécanisme de contrôle multi-couche et multi-échelle..........................................................57
[Link]. Couche anticipative...........................................................................................................58
[Link]. Couche réactive.................................................................................................................58
[Link]. Couche locale....................................................................................................................58

2.5. Plate-forme de développement G-homeTech ............................................................................59

2.5.1. Architecture générale ............................................................................................................59
[Link]. Contrôleurs........................................................................................................................59
[Link]. Prédicteur ..........................................................................................................................60
[Link]. Superviseur .......................................................................................................................60
[Link]. Solveur anticipatif.............................................................................................................61
[Link]. Interface Homme Machine ...............................................................................................61
2.5.2. Méthodologie ........................................................................................................................61

2.6. Modèles de contrôle .....................................................................................................................62

2.6.1. Modèle de gestion du service permanent ..............................................................................63
2.6.2. Modèle de gestion du service temporaire..............................................................................63
2.6.3. Modèle de gestion des sources électriques............................................................................64
Chapitre 2 : Vers la validation des « Energy Smart Home » 43

2.7. Problème d’optimisation .............................................................................................................65

2.7.1. Prise en compte du confort....................................................................................................65
[Link]. Confort thermique pour un service permanent .................................................................65
[Link]. Temps de fin pour les services temporaires......................................................................66
2.7.2. Prise en compte du coût en cas de production locale ............................................................66
2.7.3. Fonction objective.................................................................................................................68

2.8. Utilisation de G-homeTech pour la validation ..........................................................................69

2.8.1. Configuration de G-homeTech..............................................................................................69
2.8.2. Prévisions dans G-homeTech................................................................................................73

2.9. Besoin de nouveaux outils de validation : solutions aux problèmes posés ..............................75
2.9.1. Validation purement virtuelle................................................................................................75
[Link]. Solution face à l’hétérogénéité des technologies ..............................................................75
[Link]. Solution au problème de synchronisation temporelle .......................................................76
[Link]. Besoin de simuler le comportement réactif des occupants ...............................................76
2.9.2. Validation semi-virtuelle.......................................................................................................77
[Link]. Solution pour étudier l’acceptabilité des occupants..........................................................78
[Link]. Technique de magicien d’Oz ............................................................................................79

2.10. Conclusion ....................................................................................................................................79

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 44

2.1. Introduction
Le secteur du bâtiment porte certainement en lui une des solutions à la dégradation de la
situation énergétique actuelle et aux problèmes dont souffre le réseau électrique aujourd’hui. Le
besoin de maîtrise de l’énergie de ce secteur devient donc de plus en plus une nécessité et une
priorité pour le bâtiment qui est un noeud énergétique complexe et majeur. Une des solutions est
l’"Energy Smart Home". Pour se faire, plusieurs travaux de recherches ont développé des
systèmes de gestion énergétiques, qui peuvent être déployés au sein du bâtiment pour aider à sa
gestion. Toutefois, avant la mise en service sur le terrain, une étape de validation s’impose. Ce
chapitre a pour objectif de mettre en évidence le besoin de nouveaux outils de validation dans la
littérature scientifique. Nous allons analyser un cas particulier de Système de Gestion
Energétique de Bâtiment SGEB, pour en mieux comprendre les besoins. Enfin, nous proposons
deux types de validation.

2.2. Position du problème

Un gestionnaire d’énergie de bâtiment est conçu essentiellement pour maîtriser les flux
énergétique pour :
- économiser de l’argent en réduisant, par exemple, la facture énergétique sur les postes de
chauffages ou encore la facture liée à l’abonnement
- obtenir plus de confort avec une amélioration par exemple, des conditions de travail
- respecter l’environnement en diminuant par exemple les rejets de Gaz à Effet de Serre
(GES) via une réduction de la consommation de gaz, de fioul, de charbon,
Plusieurs travaux de recherche cités au cours de ce chapitre, ont conduit à développer des
stratégies et des algorithmes de gestion des flux énergétiques dans un bâtiment afin d’atteindre
les objectifs mentionnés ci-dessus. Nous nous intéressons par la suite à la validation de ces
systèmes.

2.2.1. Nécessité d’une validation

Généralement, une simulation repose sur quatre phases distinctes : la modélisation
(représenter le comportement du système), l’implémentation, l’exécution, la validation et
l’interprétation des résultats [SOKO, 09] (Figure II-1).
En effet, l’étape de modélisation est une phase essentielle à la simulation. Il s’agit non
seulement de définir l’objectif de la modélisation (lié au cahier des charges) : pourquoi modélise-
t-on ? Qu’étudie-t-on ? Que veut-on améliorer ou faire ? Mais aussi, de définir les interactions
entre les différents éléments du système et leur dynamique avant de le formaliser
mathématiquement.
Les raisons de modéliser et de simuler qui peuvent s’appliquer au cas du bâtiment sont :
- de comprendre comment les différentes parties d’un système peuvent interagir entre
elles.
- d’imaginer les possibilités qu’un système réel peut offrir.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 45

- de prévoir la totalité des effets des évènements en cascade malgré nos modèles mentaux
limités.
- de prévoir des évènements que nos modèles mentaux ne peuvent pas toujours imaginer.

Validation
Système (réel) Modèle conceptuel
Analyse & Modélisation
Modèle conceptuel

Implémentation
Interprétation Correction
& Action Validation Vérification (programmation)

Exécution
Résultats Modèle exécutable
Correction

Figure II-1: Méthodologie générale d'une simulation [SOKO, 09]

En général, l’objectif principal d’une validation est de vérifier si un système fonctionne

comme prévu, dans des conditions et scénarios différents de simulation. La validation a pour but
de rendre le modèle utile dans le sens où il répond au bon problème, fournit des informations
précises sur le système modélisé et rend le modèle réellement utilisé. En effet, la validation est
effectuée pour s’assurer que :
- le modèle est correctement programmé
- les algorithmes ont été mis en œuvre correctement
- le modèle répond à ses exigences en termes de but des méthodes employées et de
résultats obtenus. Dans le cas du bâtiment, il s’agit de vérifier si nous avons atteint les
objectifs de maîtrise de l’énergie.
- le modèle ne contient pas d’erreurs, d’oublis ou de bugs.

Plus particulièrement, la validation dans la simulation énergétique de bâtiment, est dépendante

de la précision des données d’entrée du bâtiment, par exemple, des données météorologiques.
Ces données disponibles pour la prédiction sont généralement des données historiques pour un
site autre que celui du bâtiment en cours d’analyse. Ces données ne reflètent donc pas
parfaitement la véritable situation. Toutefois, il est rarement possible de recueillir suffisamment
de données expérimentales ou d'appliquer un outil d'analyse de données à un nombre suffisant de
cas tests pour arriver à une confiance complète pour toutes les situations [JUDK, 08].

2.2.2. Validation dans d’autres contextes

D’un point de vue méthodologique, la validation d’un gestionnaire doit confronter deux
techniques différentes : l’expérimentation et la simulation [JAIN, 92].

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 46

[Link]. Expérimentation et état de l’art des "Energy Smart Home"

Généralement, la méthode expérimentale consiste à tester par des expériences répétées la

validité d’une hypothèse en obtenant des données nouvelles, qualitatives ou quantitatives,
conformes ou non à l’hypothèse. Il existe différentes études expérimentables dédiées à la
validation d’un gestionnaire énergétique de bâtiment tel que les études physiques et les études
sociologiques.

Concernant les études physiques, il est possible d’utiliser, par exemple, des bases de données
comme celles du projet REMODECE [REMO, 08] (Residential Monitoring to Decrease Energy
Use and Carbon Emissions in Europe) qui est une base de données européenne sur la
consommation résidentielle. La base de donnée IRISE traite uniquement des maisons en France
[HAWA, 10]. Ces valeurs de consommation données par ces bases peuvent être très utiles pour
les comparer avec celles qui sont données par le gestionnaire.

La validation via l’expérimentation grâce à des études physiques peut aller jusqu’à concevoir
de réels "Energy Smart Home". Partout dans le monde, il existe des exemples concrets de ces
maisons. Par exemple, [MOZE, 98] décrit une maison « adaptative » qui a été développée dans le
Colorado et qui se base sur les styles de vie et les désirs de ses habitants et apprend à anticiper
leurs besoins. Elle utilise des réseaux de neurones pour contrôler la température, le chauffage et
l’éclairement sans programmation par les habitants. Ce système est appelé contrôle adaptatif de
l’environnement familial ACHE (Adaptive Control of Home Environnent). Il surveille
l’environnement et observe les mesures prises par les habitants (en utilisant la lumière,
thermostat ajustable). Ces données sont encore utilisées pour déduire les modèles dans la maison,
en utilisant l’apprentissage renforcé ; une forme de programmation dynamique stochastique pour
prédire les comportements futurs.

Un autre exemple de "Smart Home" se situe en Géorgie. Il a été conçu par une équipe de
chercheurs de l’“Aware Home Research Initiative” de l’institut de technologie. Il s’agit d’un
bâtiment de trois étages, d’une superficie de 5040m², qui fonctionne comme un laboratoire
vivant pour la conception, le développement et l’évaluation des futures technologies
domestiques. Ils utilisent des réseaux de neurones et des modèles de Markov, afin de créer et
d’évaluer des modèles comportementaux [KIDD, 99].

A l’Université du Massachusetts à Amherst, un laboratoire travaillant sur les systèmes multi-

agents a développé un ensemble distribué d’agents de contrôle de domiciles dans un
environnement simulé de maison intelligente [LESS, 99]. Leur but est d’automatiser certaines
des tâches actuellement assumées par les humains, avec objectif d’améliorer l’efficacité et la
qualité des services. La maison intelligente simulée se compose de quatre pièces reliées par un
couloir commun : une chambre, un salon, une salle de bain et une cuisine. Divers agents
intelligents (chauffe-eau, cafetière, climatiseur, lave-vaisselle, aspirateur, etc) contrôlent
l’environnement de la maison. Par ailleurs, un robot est utilisé pour récupérer des informations et

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 47

déplacer le fonctionnement de certains équipements en fonction des souhaits des occupants, la

disponibilité des ressources et le coût de l’énergie. Cet agent intelligent doit coopérer et
coordonner les ressources partagées (par exemple, le lave-vaisselle utilise de l’électricité et de
l’eau chaude).
Le projet « MavHome » [DAS, 02] vise à créer une maison qui agit comme un agent rationnel
qui cherche à maximiser le confort des habitants tout en minimisant le coût des opérations.
L’agent doit être capable de prédire la mobilité et les habitudes des habitants pour l’utilisation
d’équipements afin d’atteindre l’objectif mentionné ci–dessus. Il utilise l’algorithme LeZi pour
créer un modèle probabiliste qui prédit le segment de la trajectoire typique des habitants, le
schéma de gestion de confort et l’utilisation des équipements.

[INTI, 02] et [TAPI, 04 ] mènent une étude du projet « House-n » ou « House of the future »
du MIT (Massachusetts Institute of Technology) visant à concevoir des stratégies pour des
environnements plus souples qui répondent aux besoins physiques des habitants.

En Floride, un projet de “Smart Home” appelé de “GatorTech Smart House” a été développé
[HELA, 03] [HELA, 05]. Des capteurs et des actionneurs sont montés sur un certain nombre de
dispositifs : boîtes aux lettres, porte d’entrée du rez-de-chaussé, etc, sont reliés à une plateforme
opérationnelle conçue pour optimiser le confort de l’habitant. Il utilise également un système de
haute précision de suivi ultrasonique pour localiser les occupants et évaluer leurs habitudes de
mobilité afin de mieux gérer l’environnement.

En 2010, une maison intelligente était conçue dans le cadre de l’initiative de recherche
MeRegioMobil en Allemagne [MER, 11]. Il s’agit d’un prototype de foyer du futur à haute
efficacité énergétique, intégrant dans la gestion intelligente du foyer les véhicules électriques, le
stockage de l’électricité et les équipements consommateurs d’énergie.

Dans le cadre du projet ANR ReactivHome dans lequel s’inscrit cette thèse, des plateformes
d’expérimentation ont été conçues pour valider la gestion énergétique. Parmi ces cas de test,
nous trouvons, la plateforme Multicom (avec l’appartement intelligent DOMUS) [MULTI, 08] et
la maison Armadillobox installée dans la plateforme expérimentale INCAS située à INES. Une
des maisons INCA n’utilise que le soleil comme source d’énergie et elle est en train,
actuellement d’être équipée des dernières innovations développées [ARMA, 10].

Le projet de recherche HOMES (Habitat et bâtiment Optimisé, Maîtrise de l’Energie et

Services) [HOME, 08], auquel nous avons participé dans cette thèse, a conduit à la validation
d’une des maisons virtuelles détaillée dans le chapitre 4. Il a fallu réaliser des simulations et
évaluer la performance énergétique de bâtiments expérimentaux sur 5 sites pilotes :
- l'école primaire de Montbonnot (Isère)
- le bâtiment LAMA de bureaux Savoie Technolac
- un hôtel Windsor *** à Nice
- un immeuble résidentiel collectif à Vaux sur Seine (Yvelines)

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 48

- l’hôtel Languedoc Roussillon

Ces 5 sites réels ont été instrumentés et simulés pour conclure que de 22 à 56% [HOME, 08],
d’économies d’énergie sont envisageables avec un système de gestion avancée. Le programme
Homes préconise de créer des interfaces hommes/bâtiment pour simplifier l'utilisation des
différents systèmes de contrôle. Il faut donc travailler sur les automatismes des locaux,
l'optimisation de l'approvisionnement énergétique et sur l'information des exploitants et des
occupants.
La validation des systèmes de gestion énergétique peut être réalisée à travers des études
sociologiques via des enquêtes ou des questionnaires. Citons notamment, les études réalisées par
[CHEN, 12] dans le cadre des travaux effectués sur la plate forme PREDIS MHI, en particulier
dans l’espace Bureau. Ce sont généralement des questionnaires de satisfaction afin d’avoir un
retour d’expérience sur la zone de travail, sur le confort thermique (période d’hiver et période
d’été), etc…
La technique du magicien d’OZ [OZ, 12] est une méthodologie par les outils sociologiques.
C’est une méthodologie idéale pour l’interaction homme-machine. Afin de prendre en
considération l’adaptation du comportement des utilisateurs, cette technique est très souvent
utilisée pour la validation.

[Link]. La simulation

Comme l’expérimentation, la simulation peut être aussi, un outil de validation dans tous les
domaines du génie électrique, en particulier dans la gestion énergétique de bâtiment. Elle est
communément tenue pour être la meilleure approche pour l’analyse de la performance dans
l’industrie d’habitation. Cependant, il y a des écarts importants entre les résultats de simulation
et la consommation réelle mesurée dans des logements réels. C’est pourquoi certaines recherches
ont développé des moyens de simulation dédiés à l’habitat pour s’adapter autant que possible à
des conditions réelles de fonctionnement. Mais pour que ces résultats soient efficaces, ils doivent
passer par différentes étapes de simulation jusqu’à la mise en œuvre de tests sur des sites réels
(Figure II-2).

Modélisation Simulation Virtuelle Simulation PHIL Implementation

& - Conditions réelles Sur
- Simulation Statique
Synthèse du démonstarteur
& dynamique -Prototypage rapide
Contrôle Échelle 1
Étape 2 Étape 3 Industrialisation
commande
Étape 1 Virtual Real Étape 4

Figure II-2: Différentes étapes de simulation pour la mise en œuvre sur site
a- Simulation virtuelle
Après avoir implémenté des algorithmes de gestion pour le bâtiment, l’étape suivante consiste
à valider ces modèles à l’aide d’un simulateur. La simulation de performance énergétique d’un
logement (du point de vue thermique [MARA, 08] et électrique [FRAI, 02]) est évidemment une

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 49

étape importante. Il y a deux étapes principales dans la simulation virtuelle : la simulation

statique et la simulation dynamique (qui n’est pas toujours effectuée).
Le marché actuel n’offre pas un unique simulateur qui répond à tous les besoins évoqués. Un
ensemble d’outils spécifiques doit être défini afin de cibler le type de problème traité. Par
exemple, le logiciel "PME_Comfort" [FANG, 74] est utilisé pour simuler le confort thermique
du logement. "Solène" [PIER , 83] est utilisé pour la simulation du soleil, de la lumière et du
rayonnement. "ESP-r" [ESRU, 02] et "FLOVENT" [FLOV, 09] permet de simuler les
mouvements d’air dans le logement. [LUCA, 98] a fait une comparaison entre deux
environnements de simulations dynamiques de logement : "CODYRUN" [LAUR, 01] et
"TRNsys" [DAMI, 97], bien qu’ils soient relativement peu utilisés par les professionnels car ils
requièrent beaucoup de temps pour l’acquisition et l’apprentissage des données. Dans ce
contexte, de nouveaux outils de simulation plus accessibles aux départements de recherche ont
été développés, à l’instar de "COMFIE/PLEIADES" [SALO., 05], ou d’"EnergyPlus" [STAD,
06] et [ELLI, 05], offrant la possibilité de modéliser le logement et son système de chauffage,
ventilation, climatisation (CVC).

Un des simulateurs récemment développés peut facilement prendre en compte des contrôleurs
et des systèmes de gestion énergétiques : il s’agit de "SIMBAD" dans l’environnement
MATLAB/Simulink [KHOU, 05] (simulateur pour les bâtiments), qui utilise à la fois les
logiciels de simulation "TRNSYS" et "HVACSIM+" [CUI, 08]. La première version de
"SIMBAD" avait des difficultés pour simuler des conditions dynamiques. La création des
modèles de CVC était fastidieuse et l’interface utilisateur n’était pas conviviale. Afin de résoudre
ces difficultés, le CSTB (Centre Scientifique et Technique du bâtiment) [Web_CSTB] est entrain
de développer une boite d’outils pour des modèles de composants CVC et des installations pour
tester les systèmes de conception et de contrôle [HUSA, 97].

La plupart des développeurs des gestionnaires énergétique bâtiment, utilisent des modèles
simples sur le même environnement de programmation de gestionnaire pour tester leurs
algorithmes de contrôle [HA, 07]. [LAMO, 11] ont validé des algorithmes de contrôle prédictif
en utilisant un modèle de bâtiment issu de l’outil de simulation SIMBAD [RIED, 03]. Cet
exemple de bâtiment dispose d’un chauffage électrique, d’un système de ventilation ainsi que
d’un dispositif d’éclairage de deux volets.

b- Simulation temps réel

Dans la littérature, il existe des travaux de recherche qui ont essayé de valider un système
bâtiment en utilisant la simulation temps réel. Par exemple, [PANG, 11] présente une simulation
de l’énergie d’un bâtiment en temps réel en utilisant EnergyPlus et un banc d’essai virtuel pour
le contrôle du bâtiment. La synchronisation de temps réel entre EnergyPlus et le gestionnaire
énergétique était réalisée via une plateforme développée par [WETT, 10] et [NOUI, 11]. Cette
plateforme est une extension de Ptolémée II, un environnement logiciel de modélisation et de
simulation pour des environnements hétérogènes à accès gratuit développée à l’université en
Berkeley, Californie,

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 50

La communication et la synchronisation entre deux systèmes (système bâtiment et système de

contrôle) peut être réalisée à travers un simulateur temps réel. Il existe différents types de ce
genre de simulateur :
- des simulateurs temps réel analogiques [ZECR, 00].
- des simulateurs temps réel numériques commercialisés dans le monde entier comme
"RTDS" (RTDS Inc, Manitoba/Canada) [FORS, 04],"HYPERSIM" (Hydro-Québec, Canada)
[BARR, 00] et "ARENE URT" (EDF, HP) [DEVA, 98] [ETXE, 02].
Les caractéristiques de ces simulateurs sont assez similaires : généralement leur pas de temps de
simulation en temps réel est de 501s.
- les simulateurs temps réel hybride [JENS, 95] [FERI, 06] sont particulièrement
intéressants car ils utilisent des vrais composants dans la boucle de pilotage ou de contrôle,
associés à des composants simulés. Dans le domaine de l’électronique, ce concept de simulation
est appelé Hardware-in-the-loop ou HIL proposé par [HANS, 93] pour développer et simuler
des systèmes de contrôle destinés à être connectés à des équipements physiques réels. Ce mode
de simulation est uniquement utilisé en temps réel.

c- Simulation temps réel hybride

La validation d’un système peut être effectuée aussi en utilisant la simulation temps réel
hybride (Hardware-in-the-loop Simulation HILS). Généralement, les raisons qui motivent
l’utilisation d’un simulateur HILS lors d’essais sur les systèmes de commande sont : soit que le
processus asservi n’est pas disponible, soit que les coûts engendrés par sa construction sont très
élevés, soit que les essais comportent des risques importants pour la sûreté globale de
l’opération, soit que la nature du processus ne permet pas des tests déterministes dans son
environnement naturel. Les simulateurs HILS intègrent un calculateur au sein d’un
environnement simulé. Cet environnement inclut une partie des composants du système physique
comme par exemple les générateurs de valeurs de consigne, les capteurs, les actionneurs, ainsi
que les composants servant à effectuer les diagnostics. Certains composants physiques
(hardware) peuvent être utilisés et intégrés à la boucle (in the loop), d’où le nom donné à cette
simulation.
Dans le cas de la simulation d’habitation, quelques appareils peuvent être testés en
« hardware » et le reste du bâtiment peut être simulé de manière logicielle (technique du
magicien d’OZ). Avec cette solution, l’argent et le temps peuvent être épargnés, en évitant la
construction d’une maison pour chaque cas de test. Plusieurs applications ont été faites sur ces
simulateurs hybrides tels que :
• le test d’un contrôleur du HVDC [HAN, 98].
• le test d’un alternateur simulé avec le simulateur numérique connecté à un réseau
électrique analogique composé d’une HVDC [GICK, 96]
• le test d’une charge dynamique réalisée par un simulateur numérique connecté à un
réseau analogique simulé [NAKR, 95]
• le test d’un système éolien basé MASDA pour l’étude de l’impact du vent sur un réseau
simulée numériquement [GAZT, 07] [MUNT, 10] [DUFO, 06]

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 51

• la simulation en temps réel de la pile à combustible d’un véhicule électrique hybride

(HIL) [PARI, 10] [CLAR, 02].

Système informatique digital Couplage physique SPTR-SPI

Entrées de
logiciels d'interface physique bidirectionnelle contrôle
Entrées de
synthèse

Variables
N Composants
Simulateur de SPI
SLTR

Logiciel de A contrôle physiques

Temps Réel
E/S

N
Capteurs
A

Simulateur Physique Temps Réel SPTR

La structure
HILS

Figure II-3: Principe d'utilisation de la simulation de type Hardware-in-the-loop d'après [MUNT, 10]

Dans le cas d’un bâtiment, [XU, 04] décrit un environnement de simulation hybride pour le
test d’un contrôleur. Une simulation en temps réel d’un système de CVC est couplée à un
système de contrôle de bâtiment réel en utilisant une interface matérielle. Un prototype a été
construit et testé dans lequel les performances dynamiques, à la fois, des équipements CVC et de
l’enveloppe du bâtiment est simulé à laide de SPARK (Simulation Problem Analysis and
Research Kernel).
L’institut pour l’efficacité énergétique et le centre de conception d’une énergie efficace de
l’Université de Californie de Santa Barbara (UCSB) s’intéresse de plus en plus à ces types de
validation HIL. Il argumente l’intérêt, par le fait que la simulation HIL permet l’étude dynamique
de bâtiment qui est nécessaire pour la conception de contrôleurs efficaces [EISE, 11]. Ils ont
utilisé Modelica [FRIT, 03] pour valider et tester un premier contrôleur nommé "Carrier Chiller"
pour l’eau chaude/froide et un deuxième nommé "Capstone MicroTurbines" pour l’électricité et
l’eau chaude. La simulation temps réel était faite à travers un système dSPACE (Figure II-4).

Figure II-4: Environnement d'une expérimentation HIL Figure II-5: Site de test DoMoTec d'un logement
[BRAU, 09]
[EISE, 11]

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 52

Le laboratoire DoMoTec [BRAU, 09] (Design-Centre for Modular Supply Technology) de

l’ISET (Institut für Solare Energieversorgungstechnik), en Allemagne a un site de test constitué
de deux logements [NEST, 09]. Ce site de test a pour but de valider des stratégies de contrôle
pour un ensemble d’équipements qui peuvent être présents dans un bâtiment en utilisant la
simulation PHIL (Figure II-5).

2.3. Nature des problèmes de validation par simulation

L’état de l’art des travaux de recherche autour d’un gestionnaire énergétique révèle deux
problématiques fondamentales. La première problématique concerne l’hétérogénéité qui peut
exister entre le SGEB et le modèle de logement émulé. Un deuxième verrou peut être posé sous
forme de questions : comment peut on tenir compte de l’acceptabilité de l’occupant face aux
ordres de contrôle automatiques issues d’un SGEB ? Autrement dit, comment garantir que
l’occupant reste maître de son environnement ? Dans ce paragraphe, nous allons détailler ces
deux problématiques.

2.3.1. Hétérogénéité des systèmes

L’"Energy Smart Home" peut être contrôlé via un gestionnaire d’énergie qu’on appelle aussi
système de gestion technique de bâtiment (GTB) ou bien Système de Gestion Energétique SGEB
en supervisant et gérant les systèmes de production locale et de consommation d’énergie. Cette
supervision suppose des interfaces entre les équipements du bâtiment, des manières de
transmettre les informations vers un système informatique et d’envoyer des commandes de façon
automatisée. Ce système de gestion est d’abord une affaire d’automatismes, de capteurs, de
protocoles de communication et de commandes. La surveillance et le pilotage à distance des
installations via des outils de transmission et d’aide à la décision viennent s’ajouter. Aujourd’hui,
ce système de gestion assure le contrôle et l’exploitation du "Smart Home" pour une meilleure
performance énergétique des installations, et meilleur confort, comme la régulation de chauffage.

La majorité des "Energy Smart Home" montre des algorithmes de gestion complexes qui sont
parfois impossibles à projeter dans des environnements de simulation comme TRNSYS ou
MATLAB/Simulink. Généralement, ils possèdent une architecture complexe qui se composent
de différents nivaux de contrôle ce qui nécessite un langage de programmation bien défini
capable de supporter différentes interactions entre différentes couches de contrôle/commande. Ici
apparaît le premier verrou qui pose le problème de l’hétérogénéité qui caractérise l’interaction du
gestionnaire énergétique avec le milieu qu’il opère ou contrôle.
Ces deux systèmes : gestionnaire et émulateur de bâtiment peuvent utiliser des modèles de
bâtiment différents. Généralement, le bâtiment modélisé dans l’émulateur est beaucoup plus
complexe et précis que les modèles existant dans le gestionnaire qui se base sur des modèles très
simples et linéaires. En plus de l’hétérogénéité des outils logiciels entre le gestionnaire et
l’émulateur, il existe aussi le problème de l’hétérogénéité des modèles entre les deux systèmes.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 53

2.3.2. Zone de vie avec interactions complexes

Un système domotique se compose essentiellement d'appareils ménagers reliés via un réseau
de communication permettant des interactions pour un objectif de gestion. Via ce réseau, nous
pouvons transformer une maison ordinaire en une maison intelligente. Par conséquent, le
bâtiment est un espace de vie complexe où les systèmes de production et consommation
énergétique sont très variées d’un espace à un autre mais aussi où les occupants expriment des
demandes de services complexes. En effet, le gestionnaire d’énergie va pouvoir piloter les
différents automatismes du bâtiment (démarrage de la machine à laver, température de référence
et le marche/arrêt pour le chauffage, l’ouverture ou fermeture des volets, l’éclairage, …), mais
ces automatismes doivent aussi être mis en œuvre dans le respect de l’occupant.

La diversité des occupants est un deuxième verrou. En effet, il n’y a pas un occupant
uniforme, chaque occupant a son vécu, son mode de vie, sa culture et ses propres sensations pour
le confort. Il faut que l’occupant garde la maîtrise sur ce qu’il ressent de son environnement
intérieur. L’idée c’est de ne pas faire le bonheur des gens malgré eux. C’est un point très
important pour l’utilisation et surtout la validation de l’acceptabilité des systèmes de gestion
énergétique. Il faut garder toujours à l’esprit qu’il y a des occupants dans les locaux qui peuvent
prendre la main sur le contrôle en ignorant le SGEB. Il faut leur donner les moyens d’agir sur
leur environnement intérieur, éventuellement dans certaines plages, et également être informé sur
le résultat de ce qu’ils font, de façon à les aider s’ils le souhaitent. On peut ainsi les convaincre
d’améliorer leur efficacité énergétique. Cette problématique liée à l’acceptabilité des occupants
doit être prise en compte par les gestionnaires énergétiques. La problématique est : « comment
valider l’acceptabilité par les occupants sans construire une maison voire un immeuble pour
chaque cas d’étude ? Ainsi, pour des raisons de coût et de temps, un SGEB ne peut pas être
conçu spécifiquement pour chaque bâtiment.

Dans [NEST, 09], l’utilisateur peut communiquer avec l’environnement simulé en HIL avec
des Interfaces Homme Machine (IHM) qui peuvent lui indiquer le profil variable du coût
énergétique ainsi que l’horaire de fonctionnement des équipements (Figure II-6). [SOBC, 81]
discute, dès l’année 1981, de la nécessité de la conception d’une telle interface dans le domaine
de conversation de l’énergie et dans le suivi de contrôle de bâtiment. Un IHM peut d’être un
smart phone, une tablette, un ordinateur…

Ainsi, face à l’hétérogénéité et à la complexité des algorithmes de contrôle/commande, la

réactivité des occupants, les contraintes de coût et de temps, il apparaît clairement la nécessité de
valider le gestionnaire de l’énergie avec des moyens abordables et plus ou moins faciles à
réaliser. La fin de ce chapitre donne des éléments de solutions qui peuvent répondre aux
questions et résoudre les problèmes posés auparavant.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 54

Figure II-6: Machine homme machine utilisée dans [NEST, 09]

Nous avons recensé les natures de problèmes de validation par la simulation qui peuvent
exister pour évaluer les performances d’un gestionnaire d’énergie couplé à un simulateur ou un
émulateur de bâtiment. L’hétérogénéité des outils et des modèles entre ces deux systèmes est un
premier verrou. Pour mieux saisir la difficulté, le système de gestion énergétique choisi pour la
validation sera détaillé par la suite. Notre motivation s’explique par le fait que nous avons
contribué au développement de ce SGEB. Son architecture, sa structure muti-couches ainsi que
les modèles pour la gestion utilisés révèlent une complexité qui rend impossibles leurs
projections dans un environnement de simulation tel que MATLAB/Simulink ou TRNsys : les
environnements usuels d’un simulateur de bâtiment.

2.4. Gestionnaire énergétique choisi pour la validation : G-homeTech

Le système de gestion énergétique choisi a été développé par des chercheurs du laboratoire G-
SCOP en compagnie notamment de chercheurs des laboratoires G2ELAB et LIG depuis 2005.
Le fruit de ces travaux de recherche est un Framework logiciel nommé G-homeTech qui permet
de résoudre des problèmes d’optimisation générés dynamiquement pour les systèmes bâtiments.
Ce Framework a fait l’objet d’un brevet et il est valorisé par la start-tup VestaSystem.
Avant de donner l’architecture et la méthodologie de G-homeTech, nous allons le comparer
avec quelques gestionnaires énergétiques existant.

2.4.1. Etat d’art des gestionnaires énergétiques

Dans la littérature, la nécessité, l’importance et la complexité du système de contrôle
intelligent dans les habitations résidentielles sont très claires. [LEVE, 92] et [KOLO, 05]
présentent des travaux liés à la gestion de l’énergie, les stratégies de coût et de prévision de
consommation d’énergie, tandis que [CALV, 04] et [MORE, 00] se concentrent sur la logique
floue (fuzzy), les réseaux de neurones (neural network), la commande optimale ou prédictive des
conditions thermiques dans les habitations.

Dans [PARA, 98], des analyses des techniques de la gestion de la charge ont été détaillées.
Selon [WACK, 91], un SGEB contient des méthodes qui coordonnent les activités des
consommateurs et des fournisseurs d'énergie, afin de mieux adapter les capacités de production

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 55

d'énergie avec les besoins des consommateurs pour éviter les pics de la demande énergétique et
leurs effets négatifs.

Les ouvrages [HOUS, 95] et [ZHOU, 05] ont proposé des stratégies de contrôle optimal pour
le système CVC (chauffage, ventilation et climatisation). Ces derniers ont montré que cette
stratégie de contrôle permet d'économiser jusqu'à 10% du coût de l'électricité d'un bâtiment.
Cependant, ces approches ne prennent pas en compte les contraintes de ressources énergétiques
qui dépendent généralement de l'autonomie des besoins des systèmes non connectés au réseau
[MUSE, 00] ou sur les limites de la production totale de la puissance des fournisseurs de
systèmes connectés au réseau tel est le cas du gestionnaire à valider. En plus, à part le chauffage,
G-homeTech contrôle des équipements électroménagers comme le réfrigérateur, le lave-vaisselle
et le lave-linge qui sont responsables avec le chauffage de 70% de la consommation résidentielle
en France.

Au cours des deux dernières années, la plupart des projets de recherche se concentre sur la
gestion et le contrôle des charges selon les technologies de "Smart Grid". Ces technologies
peuvent diminuer la consommation de l’énergie domestique (électricité et chauffage) et
optimiser l’importation/exportation de l’électricité à travers le lissage de la courbe de charge
[IEA, 02]. Tous ces travaux de recherche peuvent être divisés en deux catégories : le contrôle
prédictif (anticipatif) et le contrôle adaptatif ou réactif (en temps réel). La majorité des
développements récents sur les SGEB utilisent le concept du contrôle prédictif. Ce contrôle
utilise un modèle avec des données mesurées afin de prévoir la stratégie de contrôle optimale à
mettre en œuvre [NEGE, 08]. Ce contrôle prédictif utilise soit, une erreur de prévision à court
terme (10-20 min) soit à long terme (jours) pour le contrôle de température ou d’humidité. Tous
les deux se situent dans les limites acceptables pour le contrôle de température et l’humidité.

La deuxième catégorie de travaux utilise également la commande prédictive, mais elle

introduit des algorithmes de contrôle en temps réel. [HENZ, 03] propose un contrôle adaptatif
optimal pour un système PV hybride autonome avec stockage. Dans ce travail les auteurs
utilisent la commande prédictive pour anticiper une solution pour le système de chauffage et de
climatisation dans le bâtiment. [HA, 06] propose un système de gestion avec commande
anticipative et réactive pour la gestion du bâtiment, tel est le cas du SGEB à valider dans la suite
de cette thèse qui traite un contrôle anticipatif à long terme (jour) et introduit le contrôle réactif
qui ajoute un autre niveau d’intelligence du SGEB. L’architecture et la fonction du système de
gestion choisie seront détaillées par la suite.

Les bases de la modélisation dans G-homeTech ont été données dans [HA, 07]. Ces travaux
ont été prolongés dans [LE, 11]. G-homeTech comporte un système de génération de problèmes
linéaires projetés vers des solveurs comme Cplex et GLPK. [LE, 11] a calculé la complexité des
problèmes à résoudre [JACO, 11] en tenant compte des incertitudes.
Avant de décrire le mécanisme de contrôle choisi, il est nécessaire de définir la notion de
service utilisé dans G-homeTech.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 56

2.4.2. Notion de service

Les équipements existants dans un logement constituent des supports à la réalisation des
services. Un service peut nécessiter plusieurs équipements mais un équipement peut aussi
contribuer à plusieurs services. Les services dans un bâtiment sont variés car les besoins des
usagers sont multiples. Les services sont décomposés en deux catégories : les services aux
utilisateurs finaux qui fournissent directement le confort aux habitants et les services de soutien
qui produisent l’énergie électrique aux utilisateurs finaux des services. Concentrons-nous sur les
services aux utilisateurs finaux tels que le service de chauffage fourni par divers types
d’équipements comme le radiateur ou le réfrigérateur, et le service de lavage fourni par la
machine à laver ou bien le lave-vaisselle.

Selon cette description, un service est dit permanent si sa consommation/production

énergétique couvre l’ensemble de la plage de temps du plan d’affectation de l’énergie, sinon le
service est appelé service temporisé ou temporaire.
Un service peut être différent d’un autre par sa flexibilité. En effet, un service peut être :
- Interruptible ou non avec la possibilité d’interrompre temporairement la consommation
énergétique ou non
- Décalable ou non, comme par exemple le lavage du linge, s’il peut être ordonnancé
librement dans une fenêtre de temps donnée
- Modifiable ou non, en offrant la possibilité de modifier son profil énergétique, par
exemple en réduisant ou en augmentant sa consommation durant une période donnée

Il existe des services supervisés ayant des caractéristiques temporelles et des profils d’énergie
(consommation ou production) bien connus, et des services non-supervisés dans le cas où
aucune information sur ses caractéristiques temporelles et son profil d’énergie n’est disponible.
Les activités associées à ces derniers types de services ne sont pas planifiées par le système de
gestion d’énergie et leur exécution dépend totalement des occupants. Les services non-supervisés
sont nombreux en terme d’occurrence, par contre ils ne sont pas nécessairement consommateurs
de beaucoup d’énergie. Dans ce qui suit, nous allons tenir compte d’un profil de consommation
de tous les services non-supervisés. Nous anticipons la somme de la consommation des charges
comme l’éclairage, la cuisson… Ainsi la courbe de charge prévue pour tous les services non-
supervisés suffira.

Une classification des activités dans l’habitat est proposée dans [HA, 12]. Elle s’appuie sur le
niveau d’automatisation et le nombre d’activations d’un équipement. Les équipements
faiblement automatisés avec beaucoup d’activations correspondent généralement aux services
non-supervisés alors que les équipements fortement automatisés avec une seule activation
permanente correspondent souvent aux services permanents. Les équipements fortement
automatisés avec plusieurs activations correspondent plutôt aux services temporaires.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 57

2.4.3. Mécanisme de contrôle multi-couche et multi-échelle

Le terme d’optimisation multi-couche désigne une architecture de résolution de problèmes
d’optimisation complexes. Plusieurs niveaux de modélisation sont utilisés. Ils correspondent à
plusieurs couches de commandes pour diviser le problème d’optimisation en sous-problèmes afin
d’être plus réactif aux incertitudes. Entre ces différentes couches, un flux d’information est
utilisé pour échanger consignes et messages d’urgence. Ces différents niveaux de gestion
correspondent à des algorithmes de résolution hiérarchisés suivant différentes échelles de temps.
Une solution d’optimisation est calculée au niveau le plus élevé, c’est-à-dire avec la période
d’échantillonnage la plus longue, en prenant en compte les prédictions relativement imprécises.
La solution obtenue et alors affinée dans un niveau de gestion inférieur qui adapte la solution
déjà calculée en tenant compte des informations plus précises pour une période
d’échantillonnage plus petite. La solution doit converger vers les consignes réelles aux
équipements dans le bâtiment, ou vers des conseils aux occupants.

Cette architecture de gestion multi-échelle doit répondre au problème majeur dans la gestion
des flux énergétiques : les incertitudes prédominantes dans le modèle de comportement des
services, dans les conditions extérieures et surtout dans les prévisions de comportement et de
demandes des habitants. L’architecture de gestion en trois couches proposée par [HA, 07] :
couche anticipative, une couche réactive et une couche locale est présenté (Figure II-7).
Une telle architecture multi-couche est très difficile à implémenter dans un simulateur de
bâtiment sous par exemple MATLAB/Simulink. Le paragraphe suivant détaille cette architecture
et les différentes couches de gestion.

Figure II-7: Mécanisme de pilotage multi-couche pour la gestion d'énergie dans l'habitat [HA, 07]

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 58

[Link]. Couche anticipative

La couche anticipative vise à planifier la consommation et la production d’énergie lorsque des

évènements sont prévus quelques heures ou une journée à l’avance. Le principe de commande de
cette couche se base sur des prévisions météorologiques, les programmations des services par les
occupants ainsi que la prévision de leur présence, le marché d’électricité et la puissance
disponible (l’abonnement). Les solutions anticipées calculées par cette couche sont recalculées
lorsque de nouvelles prévisions sont disponibles. La période d’échantillonnages, notée 1, de
cette couche est de l’ordre de l’heure. [HA, 07] détaillent les modèles utilisés dans cette couche
de gestion et [LE, 11] propose d’étendre ces fonctionnalités.

[Link]. Couche réactive

Du fait que la couche d’anticipation travaille sur des valeurs moyennes, un niveau plus proche
de l’équipement est nécessaire pour tenir compte des valeurs réelles de consommation. Son
fonctionnement complète celui de la couche anticipative qui lui envoie les consignes calculées et
les ajuste aux conditions réelles d’exécution. Cette couche travaille avec un temps
d’échantillonnage 1r court (de l’ordre d’une minute) pour éviter que ponctuellement les
contraintes soient violées : elle aide la couche anticipative à réaliser le plan d’affectation des
ressources d’énergie en tenant compte des contraintes énergétiques et du confort de l’usager en
temps réel.

Si la ressource énergétique est indisponible ou restreinte, la couche réactive va intervenir en

désactivant la consommation de certains services et en équilibrant la consommation et la
production d’énergie. Par contre, s’il n’y a aucun évènement imprévu, cette couche n’intervient
pas. Dans ce cas, son rôle est de transmettre les consignes à la couche locale.
Dans les cas d’étude qui seront étudiés plus tard dans ce mémoire, nous validons aussi le
fonctionnement de cette couche de commande, en réalisant deux scénarios différents : le premier
respecte les données prédites, alors que dans le deuxième scénario de validation, les données
anticipées seront changées et les contraintes ne seront pas respectées pour analyser ainsi le rôle
de cette couche réactive.

[Link]. Couche locale

La couche de commande locale est liée au système de contrôle/commande de chaque

équipement. Son rôle est d’appliquer les consignes provenant de la couche réactive. Par exemple,
dans les environnements thermiques, cette couche fonctionne en tout ou rien pour maintenir la
température d’un environnement thermique à des valeurs proches de la température de consigne
calculée par la couche anticipative puis ajustée par la couche réactive.

Dans cette thèse, nous nous intéressons aux deux premières couches de commande car la
couche locale est l’affaire des constructeurs d’équipements. Notre objectif n’est pas de modéliser

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 59

ces couches de commande mais plutôt de valider leur fonctionnement et l’ensemble du

mécanisme de gestion énergétique en variant les scénarios de données prédites (en provenance
du SGEB) et réels (valeurs de simulation en provenance du modèle de simulation du bâtiment).
Par exemple, pour le service de chauffage, il est possible de calculer la durée et la quantité de
surchauffe « anticipée » qui permettrait de réduire la consommation pendant une période où
l’énergie est indisponible ou restreinte car chère. De même, un service temporisé peut être
retardé et parfois avancé.

Cette architecture multi-couche et multi-échelle rend difficile l’implémentation d’un tel

mécanisme dans des simulateurs usuels comme MATLAB et TYRNsys… G-homeTech est
implémenté en Java en utilisant une interface communiquant avec les solveurs de programmation
linéaire mixte GLPK ou CPLEX. On retrouve le premier verrou lié à l’hétérogénéité évoqué dans
le chapitre précédent.

2.5. Plate-forme de développement G-homeTech

La plate-forme G-homeTech est une solution logicielle qui a permis de capitaliser toutes les
fonctionnalités développées sur la thématique de la gestion des flux énergétiques dans les
bâtiments au niveau des laboratoires G-SCOP et G2ELAB. La construction de cette plate-forme,
a été initiée par des travaux réalisés dans le cadre du projet ANR-Multisol (2006-2009, dont les
partenaires sont : Institut National de l’Energie Solaire (INES), Schneider Electric, Armines,
G2ELAB et LAG (actuellement GIPSA Lab)).
Tous les problèmes de gestion énergétique que nous nous proposons de valider dans cette
thèse, sont implémentés dans G-homeTech. [HA, 07] et [LE, 11] ont permis de visualiser et de
valider les résultats de l’ensemble de l’architecture de gestion. Ils reposent sur un modèle de
bâtiment très simple qui s’est avéré suffisant, pour la gestion énergétique optimisée. En
revanche, dans cette thèse, la validation consiste à utiliser un simulateur de bâtiment plus fin
conçu dans l’environnement MATLAB/Simulink.

2.5.1. Architecture générale

Pour réaliser ce système de gestion multi-couche, la plate forme G-homeTech est structurée
autour de 5 fonctionnalités indépendantes en terme de codage mais qui échangent des
informations.

[Link]. Contrôleurs

Un contrôleur est dédié à la communication avec un type d’équipement de la maison. A

chaque service existant correspond un type de modèle dans la plate-forme G-homeTech et un
contrôleur. Les contrôleurs remplissent les 3 fonctions suivantes :

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 60

- envoyer les données de configurations des équipements aux SGEB : le type de service
ainsi que les paramètres associés
- envoyer des mesures au superviseur une fois que celui-ci en fait la demande : l’énergie et
la puissance consommée par l’équipement, la température de la pièce dans le cas d’un
service thermique, l’état de l’équipement (marche ou arrêt),…

Figure II-8: architecture générale de la plate forme G-homeTech [LE, 11]

- recevoir des ordres comme : fournir des mesures, activer, désactiver, fixer la consigne ou
fixer l’instant de démarrage à une valeur donnée.
Pour la validation du SGEB, nous allons tenir compte de ces données échangées entre le
gestionnaire d’énergie et le contrôleur qui peut être une interface codée en Java ou bien un
simulateur temps réel.

[Link]. Prédicteur

Ce module de la plate-forme G-homeTech est chargé de fournir au module Superviseur les

prédictions liées au contexte d’utilisation des services : les données météorologiques, le prix de
l’énergie, la puissance disponible ainsi que les préférences et la présence de l’occupant.

[Link]. Superviseur

Il est la partie centrale et le cœur du système vers lequel convergent toutes les informations
nécessaires à la gestion de l’énergie :
- il communique avec les contrôleurs de services en recevant les mesures et en envoyant
les commandes.
- il fait appel au module de prédiction pour obtenir les prochaines prédictions
météorologiques ainsi que les prédictions sur les demandes des occupants.
- il contient les données de configuration qui caractérisent les attentes des occupants vis-à-
vis des services : les conditions de satisfaction et l’importance relative des différents
services.
À partir de ces données, il établit la liste des services demandés et génère le problème
d’optimisation associé :

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 61

- lorsque c’est nécessaire, il fait appel au solveur anticipatif pour calculer les consignes de
fonctionnement des services pour le prochain horizon de planification, les prochaines 24
heures par exemple.
- il contient un algorithme réactif qui déleste dynamiquement les services en fonction du
contexte énergétique courant et des satisfactions des occupants vis-à -vis des services ;
- il conserve les données provenant des équipements via les contrôleurs de service.
- il met à disposition des interfaces graphiques les informations dont elles font la demande.

[Link]. Solveur anticipatif

Après avoir eu toutes les informations nécessaires, le superviseur génère un problème et il

l’envoie au solveur anticipatif. Ce dernier calcule des plans d’affectation d’énergie en se basant
sur la fonction objective de la gestion : coût/confort prédit.

[Link]. Interface Homme Machine

Via l’IHM, l’occupant peut non seulement accéder aux différentes données des services
comme les puissances consommées/produites, les états d’activation des services, les valeurs de
satisfaction calculées par le système, les températures, les coûts énergétiques, l’énergie stockée
dans les batteries… mais aussi exprimer son acceptabilité (le deuxième verrou du chapitre
précédent) de certaines commandes données par le gestionnaire.
Grâce à des protocoles [LE, 11] de communication et à distribution spéciale adaptées des
différentes parties de la plate-forme G-homeTech, ce SGEB peut être soit embarqué à domicile
dans une box, ou distribué sur le réseau Internet. A l’avenir, les contrôleurs pourraient
éventuellement être embarqués dans les équipements eux-mêmes.

2.5.2. Méthodologie
L’objectif de la gestion de l’énergie est de proposer une solution générique s’adaptant à tout
type de maison autant qu’à un grand groupe de maisons. L’organigramme de la Figure II-9
donne les différentes étapes de résolution prise en compte par le SGEB : tout d’abord, via les
fichiers [Link] et [Link], le SGEB obtient la production et la consommation de tous les
services pour la journée à venir. Pour chaque service, sur la base des données d’utilisation
historiques et sur des facteurs externes comme la météo, un profil énergétique est généré. Ensuite
le mécanisme réactif recueille ces profils, génère un problème et il l’envoie au mécanisme
anticipatif. La solution du problème calculée par ce dernier est un ensemble de points de
consigne pour les services. Le mécanisme réactif applique la solution fournie s’il n’y a pas de
consommation anormale imprévue. Inversement, lorsque la consommation diffère du plan
anticipatif, le mécanisme réactif décide si certains appareils doivent être activés ou désactivés.
Ce mécanisme utilise des plans de pilotage de la couche anticipative comme entrée, mais
préserve le confort de l’occupant dans des situations conflictuelles. En plus le contrôleur local
fonctionne autour des erreurs de prédiction.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 62

Générateur de problème pour le contrôle de température

Générateur de problème pour le service temporaire
Générateur de problème pour les sources électriques
Prévision de l’énergie
Coût de l’abonnement
Prédiction de Prévision
Le solveur météorologique
Service avec modèle de charges anticipatif demande de service

Modèle de satisfaction d’utilisateur

[Link]
Modèle d’environnement Plan anticipatif (consignes,
[Link]
Temps de démarrage)
Modèle de cout

La couche
réactive
Production et
consommation réelles
OFF si non ON Si le plan
anticipé est anticipé

Couche
locale

Charge1 Charge2 ... Charge n Le coût réel de Météo réelle

l’énergie et de
l’abonnement

Figure II-9: Organigramme décrivant le fonctionnement de G-homeTech

2.6. Modèles de contrôle

Les travaux réalisés dans [HA, 07] proposent une modélisation des problèmes d’optimisation
de la couche anticipative sous la forme d’un programme linéaire mixte (Mixed Integer Linear
Program MILP) pour la capacité de cette approche à résoudre des problèmes de grande
dimension (plusieurs milliers de variables). Dans cette thèse, seules les formulations
mathématiques des problèmes seront présentées. Leur linéarisation est présentée dans [HA, 12].
En raison de l’importance des évènements stochastiques tels que l’impact des occupants, la
température extérieure et la radiation solaire, un modèle précis de prévision ne peut pas être
trouvé. Cependant, un modèle d’anticipation doit répondre au modèle d’habitation émulé. Il doit
couvrir trois aspects : l’énergie électrique, le comportement thermique et la satisfaction des
occupants [HA, 12].

Le système de gestion choisi vise à planifier les services en trouvant le meilleur compromis
entre le coût de l’énergie consommée (à minimiser) et la satisfaction de l’occupant (à maximiser)
sous des contraintes de disponibilité et de prix de l’énergie. Cette modélisation est le coeur de la
plate-forme G-homeTech.
Dans la suite, nous considérons H={0,…,(N-1)}, l’horizon de planification composé de N
périodes de temps longueur 2. A chaque période de planification k, la quantité d'énergie allouée
à chaque service doit être décidée.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 63

2.6.1. Modèle de gestion du service permanent

L’objectif est de définir les températures de consigne à l’intérieur d’une pièce ou d’un
réfrigérateur (congélateur) Tin et l’énergie consommée Ec en fonction du coût énergétique et la
satisfaction des occupants.

Ce service i se caractérise par la puissance nécessaire en fonctionnement P(i) (Figure II-10-a).

Certains travaux modélisent le service permanent par un modèle dynamique de premier ordre
(1). Ce service est déjà intégré dans la plate forme de développement.
d (Tin (i, t ) − Tout (i, t )) −1 G (i) G
= (Tin (i, t ) − Tout (i, t )) + P(i, t ) + s Φ s (i, t )
dt τ (i) τ (i) τ (i ) (II-1)

Ce modèle nous permet de décrire la variation dynamique de la température intérieure avec les
paramètres suivants :
- Tin (i, t) : la température intérieure de la zone thermique associée à ce service
- Tout (i, t) : la température extérieure de la maison
- 1s (i, t) : la puissance de la radiation solaire, occupants et équipements
- G, Gs : le gain du modèle du premier ordre respectivement, de la puissance du chauffage
et de la radiation solaire, occupants et équipements
- 2 (i) : la constante de temps de la dynamique du premier ordre.
Le modèle thermique continu doit être discrétisé selon la période de planification 2. En
utilisant les outils classiques de l’automatique (bloqueur d’ordre zéro), la modélisation du service
i devient :
∀k ∈{1,...,N}
−∆ −∆ −∆ −2 (II-2)
τ (i) τ (i) τ (i) 4(i)
Tin (i, k +1) = e Tin (i, k) + (1 − e Tout (i, k) + G(i)(1− e )E(i, k) + Gs(i)(1-e )3s(i,k)

Tout (i,k), 1s (i,k), Tin (i,0),Tout (i,0),2(i), Gs(i) et G(i) sont les données du problème
d’optimisation. Tin (i, k) et E (i, k) sont les variables de décision.

2.6.2. Modèle de gestion du service temporaire

Le second sous problème adressé dans la couche anticipative est de calculer le temps de fin de
fonctionnement d’un service temporaire. Ce type d’appareils représente une activité qui est
nécessaire à un moment donné et dont l’exécution à une durée donnée supposée être plus petite
que l’horizon de planification. En connaissant cette durée de fonctionnement, le système peut
calculer le temps de démarrage à partir du temps de fin de fonctionnement. Généralement, la
machine à laver et le lave-vaisselle sont des services temporaires.
Ce service est caractérisé par la puissance nécessaire lors de l’exécution P(i), la durée
d’exécution d(i) et l’heure de fin de fonctionnement f(i) qui est la variable de décision associés
aux services temporaires.
Deux modèles en temps discret et continu existent pour le problème d’ordonnancement sous
contraintes de ressource. Ils sont utilisés par le problème RCPSP (Resource Constraint Project
Scheduling Problem) dans [KONE, 10] et [MING, 98]. Cependant, dans ces modèles, la

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 64

ressource cumulative est vue comme une donnée constante ce qui n’est pas le cas dans d’un
SGEB. C’est la raison pour laquelle un modèle en temps discret est utilisé dans le SGEB.
Selon [LOPE, 96], la durée de la consommation potentielle (durée effective si elle est
positive) d(i, k) d’un service i au cours d’une période d’échantillonnage ]k2, (k+1) 2] (Figure II-
10-b) est donnée par :

d (i, k ) = min( f (i ) ,(k + 1 )∆ ) − max ( f (i) − d (i ), k∆ ) (II-3)

L’énergie consommée E(i, k) par le service i pendant une période d’échantillonnage ]k2, (k+1)
2] est donnée par :

3 E (i, k ) = d (i, k ) P (i ) si d (i , k ) > 0

2 (II-4)
1 E (i , k ) = 0 sinon

Figure II-10:Caractéristiques des services

2.6.3. Modèle de gestion des sources électriques

Chaque service i est caractérisé par deux paramètres : la puissance maximale disponible Pmax
et le coût de l’énergie électrique au même instant C(t) (Figure II-11). Le SGEB calcule la somme
de l’énergie consommée E (i,k) pendant la fenêtre de temps ]k2, (k+1)2] (où 2=1h pour la
couche anticipative). L’énergie totale consommée à chaque période de temps 2 ne doit pas
dépasser l’abonnement ou la puissance maximale disponible Pmax.

E (i, k ) ≤ Pmax (i,k) ∆ ∀k ∈ {1, ..., N } (II-5)

La contrainte suivante modélise l’équilibre énergétique :

∀k ∈ {1,..., N}, 4χ E( j, k) = 4χ E(i, k) + P (k)∆ avec P (k)∆ = E (k)

j∈ S i∈ c
u u u
(II-6)

où 5s est l’ensemble des indices des services de production d’énergie et 5c est l’ensemble des
indices des services finaux. Les services non supervisés qui ne sont pas contrôlables sont définis
par la puissance consommée Pu(k) (Eu(k) l’énergie consommée) sous la forme d’un profil connu
à l’avance à partir de prévisions sur chaque période de planification 2.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 65

Figure II-11: Caractérisation du service fournisseur

2.7. Problème d’optimisation

L’objectif de la plupart des SGEB est d’atteindre le confort thermique dans les logements
avec un coût énergétique minimal. Le SGEB choisi poursuit le même objectif mais en plus, il
vise à trouver le temps optimal de fin des services temporaires. Il doit parvenir à un compromis
entre la satisfaction des occupants et le coût, non seulement pour satisfaire les contraintes de
service, mais aussi la puissance maximale disponible ainsi que la satisfaction des occupants.

2.7.1. Prise en compte du confort

La satisfaction des occupants est liée à la réalisation de certains services en tenant compte des
moyens de la production d’énergie disponibles. Dans G-homeTech, les développeurs ont fixé un
objectif de réduction de la consommation totale de l’énergie en tenant compte du compromis
optimal entre le coût et le confort. Pour atteindre cet objectif, il était nécessaire d’insérer un
degré de liberté dans l’exécution de chaque service à partir duquel il serait possible de quantifier
un niveau de satisfaction de l’usager.

[Link]. Confort thermique pour un service permanent

Généralement le confort thermique dépend du type d’espace (bureau, chambre,…) et de la

qualité (humidité et la vitesse de l’air) de l’environnement. [AFNO, 06] propose un modèle pour
le confort thermique qui permet de calculer un indice d’insatisfaction à chaque période de temps
D (i,k) en fonction des paramètres de gestion demandés Topt (i) et respectivement les
températures acceptables minimum et le maximum Tmin(i) et Tmax(i). Par exemple, l’occupant
exige une température acceptable dans la pièce entre [17°C, 22°C] lors de sa présence. Le
problème d’optimisation vise à trouver la meilleure consigne de température Tin(i,t) dans cette
intervalle de temps à chaque instant t pour le service permanent i pour minimiser le coût de
l’énergie et de maximiser la satisfaction des occupants.
Les équations disponibles dans G-homeTech sont les suivantes :
3 Topt (i, k ) − Tin (i, k )
5 if Tin (i, k ) ≤ Topt (i, k )
5 Topt (i, k ) − Tmin (i, k )
D(i, k ) = 2 (II-7)
T (i, k ) − Topt (i, k )
5 in if Tin (i, k ) > Topt (i, k )
5 Tmax (i, k ) − Topt (i, k )
1

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 66

en respectant la contrainte :

Tmin (i, k ) ≤ Tin (i, k ) ≤ Tmax (i, k ) (II-8)

Ainsi d’après l’équation précédente, l’insatisfaction de l’occupant peut être quantifiée par la
différence entre une valeur de température attendu par l’usager Topt (i,k) et la valeur réelle
trouvée Tin (i,k). Tmin (i,k) et Tmax (i,k) sont respectivement la température minimale et maximale
acceptables par l’usager durant la période k.

[Link]. Temps de fin pour les services temporaires

Pour ce type de service, la satisfaction de l’usager dépend de la date de fin d’exécution du

service. On définit une date de fin souhaitée, notée fopt (i), et une fenêtre de temps acceptable
pour l’exécution du service. De la même manière que pour les services permanents,
l’insatisfaction d’un service temporaire i est calculée par rapport à l’écart entre la date de fin
d’exécution préférée et la date de fin effectuée :
3 f (i) − f opt (i )
5 if f (i ) > f opt (i )
5 f max (i ) − f opt (i )
D (i ) = 2 (II-9)
f opt (i) − f (i )
5 if f (i ) ≤ f opt (i )
5 f opt (i) − f min (i)
1
avec fmin (i) et fmax (i) respectivement, les dates de fin au plus tôt et au plus tard acceptables pour
le service i, données par l’occupant ou apprises.

2.7.2. Prise en compte du coût en cas de production locale

Le SGEB peut être très intéressant pour mieux exploiter les moyens locaux de production
d’électricité quand ils existent ; par exemple s’il est intéressant de produire localement de
l’électricité ou de savoir comment la consommer.

Dans G-homeTech, où la production photovoltaïque est prise en compte, on ne gère pas

directement la production mais l’usage de l’électricité produite : soit elle est consommée
localement, soit elle est revendue au réseau. La décision optimale dépend essentiellement du prix
de rachat de l’électricité et du bonus à l’autoconsommation qui n’existe pas pour l’instant en
France mais déjà présent en Allemagne. Un des scénarios de validation décrit au cours de cette
thèse est de faire varier le prix de rachat de l’énergie en conservant une puissance disponible fixe
durant la journée pour évaluer l’intérêt du SGEB choisi. Il faut noter que ce scénario est hors du
contexte actuel français. La valorisation locale de l’énergie photovoltaïque est favorisée
aujourd’hui en Allemagne (Figure II-12) ou au Japon par exemple, mais est appelée à se
développer dans le futur en France.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 67

Figure II-12: Schéma de principe de la tarification Allemande d'autoconsommation du PV

(hypothèse du projet ANR Solution PV)

La production photovoltaïque est modélisée comme suit :

E PV ( k ) = ρ .S .Φ ( k ) (II-10)

- EPV (k), est l’énergie électrique obtenue grâce à l’effet photovoltaïque à la période k
- 3 est le rendement de l’installation
- S est la surface de captage
- 1 (k) est la puissance de la radiation solaire reçue par m² durant la période k

Figure II-13: Système de tarification et de disponibilité de la production photovoltaïque dans le modèle tarifaire
Allemand

On note pauto le prix d’autoconsommation du photovoltaïque. C’est une subvention de l’état

pour valoriser l’énergie consommée localement pour compenser le manque à gagner de la
revente sur le réseau. On note par pa et pr respectivement les prix d’achat de l’électricité sur le
réseau et de revente d’électricité d’origine photovoltaïque. L’utilisateur a ainsi intérêt à profiter
au maximum de pauto et pr qui correspondent à des gains et des rentrées d’argent pour lui (il est
producteur d’énergie dans ce cas). En revanche, pa correspond à un coût à minimiser.
D’après la Figure II-13, le coût énergétique durant une période k s’écrit :

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 68

C ( k ) = pa [ Ec ( k ) − E PV (k )] − pauto .E PV ( k ) si Ec (k ) > E PV (k ) (II-11)

C ( k ) = − p r [ E PV ( k ) − Ec ( k )] − p auto .Ec ( k ) si Ec ( k ) ≤ E PV (k )

Le critère de coût énergétique s’écrit alors :

C (k ) = p a . max[Ec (k ) − E PV (k ),0] − p auto . min[ E PV (k ), Ec (k )] − p r . max[E PV (k ) − Ec ( k ),0] (II-12)

avec Ec(k), la consommation totale des services à l’habitat donnée par :

Ec ( k ) = 4χε E(i, k )
i∈
(II-13)

Une contrainte à satisfaire par ce système, dont les sources sont le réseau et le photovoltaïque,
est donnée par :

Pc ≤ Pres + PPV (II-14)

avec Pc la puissance totale consommée, Pres la puissance tirée du réseau électrique et PPV la
puissance produite localement.

2.7.3. Fonction objective

G-homeTech formule le problème de gestion énergétique comme un problème d’optimisation
multi-objectif. Selon les demandes de l’occupant, un compromis entre le coût et le confort est
calculé. Le résultat dépend du prix d’achat de l’énergie. L’approche est particulièrement utile
lors de tarifs variables au cours de la journée. En France, il existe un tarif des heures
pleines/heures creuses depuis 1946 qu’on appelle le Time of Use (TOU). Le principe dans le
Critical Peak Pricing CPP est essentiellement identique au tarif TOU ou au tarif de base (prix
constant), mais avec un tarif légèrement plus faible. Pendant les situations de « stress » sur le
réseau électrique, des prix élevés peuvent apparaître pour l’énergie pendant quelques heures. Le
Dynamic Pricing DP est encore un autre système de facturation. Un prix défini pour une quantité
d’énergie consommée donnée est fixé et au delà de cette quantité, un prix marginal défini
dynamiquement est appliqué.

Dans G-homeTech, le prix de l’énergie consommée est variable pour chaque période de
planification, on parle donc du principe de Time of Use. Le Critical Peak Pricing (CPP) peut
être vu comme un cas particulier de ce dernier principe qui est également pris en compte par G-
homeTech. Ces tarifications peuvent être implémentées en parallèle. Un signal de prix élevé a
réduit/effacé automatiquement la consommation des équipements [PIET, 07].

Il existe un autre type de tarification qui ressemble à TOU : le Real time pricing (RTP). Ce
système de tarification repose aussi sur des tarifs variables toutes les heures reflétant le prix réel
de l’électricité sur le marché. Les clients sont informés du prix la veille ou avec une heure

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 69

d’avance. Cependant, ces tarifs sont difficiles à implémenter dans le secteur résidentiel sans
gestionnaire énergétique. Ces systèmes de tarification incitent les consommateurs à
réduire/déplacer leur consommation vers les périodes à faible prix. C’est un des scénarios qui
sera validé dans le chapitre suivant.

La fonction objectif de G-homeTech résulte de l’agrégation de deux types de critères : le

critère économique déterminé par le coût global de l’énergie et le critère d’inconfort qui
regroupe l’aspect confort thermique avec l’acceptation de décalages de fonctionnement des
services temporaires. La fonction est donnée par :
T −1 3 T −1 T −1 8
β
J= 4χ 4 C ( j, k )E( j, k ) + 4
j∈ S k = 0
α (i) + 4
5
2 44
α (i ) 5i∈χPk = 0
α (i) D(i, k ) + 44
i∈χT k = 0
5
α (i ) D(i, k )7
5
(II-15)
i∈χP i∈χT 1 6

avec
- 4P l’ensemble des services permanents
- 4T l’ensemble des services temporaires programmables
- 4P+ 4T= 45.
- 6(i) désigne la priorité entre les services pour l’usager
- 7 représente l’importance relative entre le coût énergétique et l’insatisfaction globale des
occupants. Ces deux derniers paramètres sont fixés par l’utilisateur.

2.8. Utilisation de G-homeTech pour la validation

Nous avons contribué à améliorer les algorithmes de gestion de G-homeTech en mettant en
évidence des anomalies grâce aux principes de validation que nous avons développés. Ces
principes doivent coordonner différents moyens de simulation comme un émulateur de bâtiment,
le SGEB G-homeTech et parfois un simulateur de comportement d’occupants [KASH, 11].
Pour la validation, nous avons utilisé différents scénarios qui vont être détaillés dans la suite
de ce mémoire. Coté G-homeTech, et pour réaliser chaque scénario, nous avons besoin de
modifier essentiellement deux fichiers : le [Link] et [Link].

2.8.1. Configuration de G-homeTech

Le fichier "[Link]" de G-homeTech décrit la partie de l’habitat qui est gérée par le
gestionnaire. Il contient les paramètres des types de modèles connus par G-homeTech.
La structure de ce fichier de configuration est donnée par Figure II-14. Des informations
d’ordre général sont nécessaires :
1- l’adresse réseau du solveur anticipatif de G-homeTech
2- la longueur de la période de temps réactive 2r
3- la longueur de la période de temps anticipative 2
4- un paramètre qui représente le compromis entre le coût prévu de l’énergie et le confort
résultant.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 70

Figure II-14: le schéma xsd du fichier [Link]

Dans tous les cas d’études détaillés par la suite, nous avons fixé 1=1h et 1r=1mn. Le
compromis entre le coût et le confort varie pour chaque scénario testé.
Pour nous, la partie la plus importante est la configuration des services. Chaque service de
l'habitat est caractérisé par les paramètres de la Figure II-15:
Les paramètres 'id', 'name', 'room', 'device', 'IPnumber', 'portNumber' sont reliés aux
caractéristiques générales de chaque service.
- l’ 'id ' est l’identifiant du service. Il est primordial dans les deux principes de validations :
co-simulation virtuelle et temps réel.
- 'name' est le nom du service utilisé pour l'affichage.
- 'room' indique l'emplacement du service.
- 'device' se réfère aux appareils qui réalisent le service.
- 'class' spécifie la classe de service associée pour la gestion anticipative et réactive. Cela
définit la façon dont le service sera géré par G-homeTech autant pour le mécanisme
réactif que pour le mécanisme anticipatif. 'class' renvoie à la bibliothèque de services de
la couche anticipative.

Dans la version G-homeTech utilisée existaient 6 services (Figure II-16)

• [Link] : service fournisseur d’énergie à partir du
réseau électrique
• [Link] : service fournisseur de l’énergie à
partir de la production locale photovoltaïque.
• [Link] : service de chauffage par
radiateur électrique.
• [Link] : service de réfrigération
• [Link] : service temporaire comme la machine à
laver et le lave-vaisselle.
• [Link] : service qui réunit toutes
les charges non-contrôllables

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 71

Figure II-15: Paramètres des services dans le fichier Figure II-16: Les services de G-homeTech
"[Link]" de GhomeTech

Chaque service est décrit par :

- 'ponderationInCriterion' : l’importance relative du service.
- 'IPnumber ' et le 'portNumber ' : identification de service sur le réseau
- 'isInterruptible', 'isControllable', 'isPredictable': indicateurs qui spécifient comment
l'occupant veut que son service soit géré. Si 'isInterruptible' est vrai, cela signifie que le
service peut être interrompu de façon dynamique en cas de manque de puissance. Si
'isControllbale' est vrai, cela signifie que le service peut être géré par G-homeTech si
'isPredictable' est aussi vrai, le mécanisme anticipatif pourra gérer ce service.
- 'variable ' : variables qui sont fournies pour un bâtiment donné. Chaque service peut
avoir plusieurs variables. Il faut tenir compte de leur ordre qui intervient lors de la
communication. Ces 'variable' sont essentiellement des mesures envoyées par
l’émulateur de bâtiment. Il y a nécessairement la puissance et l’énergie ('energy' and
'power') consommée par chaque service et éventuellement 'otherVariables' qui contient
des variables spécifiques telles que la température ambiante, ou la date de fin d'un
service.
- 'parameter' : paramètres utilisés pour configurer les modèles réactifs et anticipatifs, mais
aussi les profils de satisfaction des occupants concernant chaque service. Ces paramètres
sont liés aux couches réactives et anticipatives spécifiées par 'class'.

Pour classe de services, il existe un certain nombre de paramètres bien déterminés. Pour le
service fournisseur d’énergie de la classe PowerSupplier, les paramètres concernent le réseau
électrique on trouve un paramètre appelé «powerSecurityLimitInWatts». Il permet de fixer la

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 72

puissance d’abonnement maximale qu’il ne faut pas dépasser lors de la consommation d’énergie
électrique durant une journée. Nous allons modifier la valeur de ce paramètre selon les scénarios.
En effet, ce paramètre est une contrainte pour la gestion notamment si la consommation réelle est
différente de la valeur anticipée et dépasse cette valeur limite de consommation. Dans ce cas le
réactif intervient.
Concernant le service photovoltaïque de la classe PhotovoltaicService, le seul paramètre à
modifier et la surface de captage du rayonnement solaire S qui est nommé
«defaultPvPlantPowerGainFor1WattPerM2».
- 'defaultSetPoint': définit la valeur du point de consigne du service qui doit être
appliquée en l’absence de plan anticipatif.

Les services permanents de chauffage et de réfrigération des aliments (respectivement, la

classe RoomHeatingService et la classe RefrigerationService), ont plusieurs paramètres par
défaut à initialiser :
1defaultRequestedTemperatureInKelvins : la température préférée par l’utilisateur.
1defaultAcceptableUpperTemperatureDeviationInKelvins : c’est la limite supérieure acceptable
de température Tmax dans une pièce ou à l’intérieur du réfrigérateur choisie par l’occupant.
1 defaultAcceptableLowerTemperatureDeviationInKelvins : c’est la limite inférieure acceptable
de température Tmin dans une chambre ou à l’intérieur du réfrigérateur fixée par l’occupant.
1 defaultMaximumPowerInWatts : ce paramètre existe dans tous les services contrôlables et
non-contrôlables : c’est la puissance nominale moyenne de consommation pour le service.

Puissance nominale moyenne définie dans [Link]

radiateur électrique entre 1500 et 3000W
réfrigérateur 150W
machine à laver 2000W
lave vaisselle 2200W
Services non-contrôlables variable selon le scénario

Tableau II-1 : Puissance nominale moyenne définie dans "[Link]"

Les paramètres par défaut pour les services temporaires sont :

1defaultRequestedEndingTimeInSeconds : le temps de fin d’exécution par défaut préféré par
l’occupant en secondes.
1defaultAcceptableEndingTimeAdvanceInSeconds : l’avance relative du temps de fin
d’exécution acceptable fmin.
1defaultAcceptableEndingTimeDelayInSeconds : retard relatif du temps de fin d’exécution
acceptable fmax.
1defaultDurationInSeconds : la durée d’exécution par défaut D(i).
1defaultMaximumPowerInWatts : puissance nominale moyenne représentative du
fonctionnement de l’appareil support de service. P=2000W pour la machine à laver et 2200W
pour le lave-vaisselle (Tableau II-1).

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 73

Au cours de la validation, nous allons modifier ces paramètres pour construire des scénarios
différents détaillés dans les deux chapitres qui suivent.

2.8.2. Prévisions dans G-homeTech

Les prévisions sont rassemblées dans un fichier nommé [Link]. Ce fichier contient des
informations générales comme 'startDate', ce qui correspond à la date initiale des prévisions.
'numberOfPeriods' représente le nombre de périodes de durée 'periodDuration' qui sont
couvertes par les prévisions. Chaque prévision est un vecteur de valeurs 'numberOfPeriods'
(Figure II- 17). 'scenarioInfo' contient des prévisions différentes. Les prévisions sont recueillies
par les services donnés par la Figure II-18:

Figure II- 17: Le contenu général du fichier [Link] de G-homeTech

Figure II-18: le scénario de prévision du fichier [Link] du G-homeTech (les classes barrées sont en cours de
développements et ne sont pas finalisées)

Dans ce fichier, on retrouve les mêmes services que ceux définis dans la configuration
([Link]). Chaque classe précise un nombre de données anticipées :
1- Dans WeatherForecast, on trouve les profils de température extérieure Tout
(outdoorAirTemperatureInKelvins) ainsi que la radiation solaire 1 (solarRadiationInWatts)
prédite durant 24 heures avec une période de temps d’une heure (Figure II-19).

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 74

Figure II-19: Contenu des prévisions météorologiques données par le fichier [Link]

2- Dans PowerSupplier, il faut indiquer le type de tarif du photovoltaïque choisi

(pvTariffType). Il existe trois types : soit sans production locale (NonPV), soit le tarif Allemand
(GermanyPV) soit le tarif français (FrenchPV). Les tarifs d’achat de l’énergie pa futures sont
décrits dans cette classe sous le nom energyPricesInEurosPerKiloWattPerHour. Un profil de la
puissance maximale (maximumAvailablePowerInWatts) tirée du réseau électrique est, également,
décrit dans cette classe. Tous ces profils couvrent le même horizon de temps (typiquement 24h)
(Figure II-20).

Figure II-20: Prévisions de puissance dans le fichier [Link]

3- Dans la classe PhotovoltaicService, on retrouve les trois tarifs de puissance pour

l’électricité d’origine photovoltaïque. Le tableau suivant résume ces tarifs donnés par la
politique énergétique allemande pour l’année 2009 :

Tarifs de l’énergie indices valeurs unité

tarifSoldInEurosPerWatt Pr 0. 4301 €/kWh
tarifBoughtInEurosPerWatt pa 0. 1901 €/kWh
tarifAutoConsumptionInEurosPerWatt pauto 0. 2501 €/kWh

Tableau 2 : Tarifs de l’énergie dans la politique allemande en 2009

Dans le fichier [Link],l nous avons le choix entre un prix d’achat de l’énergie pa fixe
comme l’indique le tableau précédent, ou bien un profil de prix variable.
4- La classe RoomHeatingService dans le fichier [Link], permet essentiellement
d’anticiper la présence des occupants dans la pièce via les offPeriods. On designe par 1
l’absence de l’occupant et par 0 sa présence.
5- Pour instancier la classe TimedService, il faut préciser le temps de fin d’exécution
demandé par l’occupant (requestedEndingTimeInSeconds) fopt(i), ainsi que la puissance
nominale de consommation effective et la durée exacte de fonctionnement de l’appareil.
6- Dans la classe UnsupervisedEndUserService, qui correspond aux services non-
contrôlables, un profil de consommation est anticipé pour 24h.
Le service de réfrigération (RefrigerationService), n’est pas présent dans le fichier [Link].

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 75

Figure 21: le schéma xsd du fichier [Link]

Nous avons décrit le mécanisme de contrôle multi-couche et multi-échelle du gestionnaire

énergétique dynamique "G-homeTech" utilisé pour la validation. Les modèles de contrôle et les
algorithmes d’optimisation ont été également détaillés. Nous avons décrit brièvement comment
nous avons utilisé G-homeTech pour la validation. Le paragraphe suivant expose les principes de
validation proposés pour valider et tester le gestionnaire énergétique G-homeTech.

2.9. Besoin de nouveaux outils de validation : solutions aux problèmes posés

Au début de ce chapitre nous avons détaillé les problèmes de validation d’un SGEB. Le
premier verrou concerne l’hétérogénéité des technologies et des systèmes entre l’émulateur de
bâtiment et le gestionnaire d’énergie et le deuxième verrou est lié, à la fois, à la réactivité et à
l’acceptabilité des occupants face aux contrôles du gestionnaire. Dans ce paragraphe, nous
donnons brièvement les deux solutions adoptées dans cette thèse pour ces problèmes et pour
valider G-homeTech.

2.9.1. Validation purement virtuelle

[Link]. Solution face à l’hétérogénéité des technologies

Le gestionnaire d’énergie G-homeTech et le simulateur de bâtiment ne s’appuient pas sur la

même technologie. Nous avons développé un système de co-simulation virtuelle pour valider G-
homeTech. Il s’agit de connecter un simulateur de bâtiment virtuel au gestionnaire d’énergie
(Figure II-22). Dans cette solution, nous n’introduisons pas de vrais équipements, nous restons
toujours dans le logiciel.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 76

Dans le chapitre 3, nous détaillons l’architecture proposée, la problématique d’interfaçage

ainsi que la méthodologie de validation mise en œuvre lors de cette validation.

Le Système de
Gestion Bâtiment

BUS DE CO-SIMULATION VIRTUELLE

Modèle Modèle Modèle Modèles

simulé 1 simulé 2 simulé 3
… simulé

Simulateur de bâtiment

Figure II-22: Mécanisme de la co-simulation virtuelle

Les modèles existants dans G-homeTech sont des modèles linéaires mixtes macroscopiques.
Or, valider un SGEB, c’est généralement travailler avec un modèle de simulation représentant
des dynamiques rapides pour analyser finement l’impact du SGEB, notamment sur les
équipements électriques.

[Link]. Solution au problème de synchronisation temporelle

Le système de gestion énergétique du bâtiment dépend du temps virtuel ou réel selon

l’application. Par exemple, le calcul d’une température de consigne d’un radiateur ou bien le
démarrage de certains services temporaires sont liés à l’horloge. Or le simulateur du système de
bâtiment dispose de sa propre horloge. La coordination par synchronisation de ces deux
processus est nécessaire afin d’éviter les erreurs de résultats liées aux dérives des horloges et les
pertes des données et la corruption de valeurs. Dans le chapitre suivant, nous allons décrire la
solution pour résoudre le problème de synchronisation entre G-homeTech et le simulateur de
bâtiment.

[Link]. Besoin de simuler le comportement réactif des occupants

Le comportement humain est un facteur très important influant sur la consommation d’énergie
dans les bâtiments notamment les bâtiments basse consommation. Le besoin de simuler le
comportement des occupants de manière réaliste et réactive devient nécessaire. Les occupants
simulés peuvent réagir à des consignes déterminées par le SGEB. Ils doivent être sensibles à la
simulation physique. Le comportement de l’occupant ne consiste pas seulement en une simple
présence ou absence : les interactions sont multiples notamment avec les appareils électriques.
Le système bâtiment comprend différents composants et appareils. Cela signifie que les
comportements dynamique, réactif, délibératif et social des occupants doivent également être
prises en compte afin d’analyser le véritable impact d’un SGEB sur la consommation d'énergie.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 77

Des théories et des modèles de comportement ont été proposés afin de représenter divers aspects
du comportement humain.

Dans la littérature, la cognition, la mémoire, l'apprentissage, les comportements sociaux,

affectifs et psychomoteurs sont considérés comme des éléments de base sous tendant le
comportement humain [LEHM, 96] et [SIER, 07]. Pour simuler le comportement réactif des
humains, on peut imaginer une co-simulation avec en plus d’un émulateur de bâtiment et un
gestionnaire énergétique, un simulateur de comportement humain comme Brahms [SIER, 07]
[KASH, 11]. Il est possible de représenter des occupants par des agents logiciels, des choses, des
lieux, le comportement des occupants au fil du temps, des outils et les artefacts utilisés. Brahms
met l'accent sur la communication entre les agents humains co-localisés et sur le comportement
social. Une telle co-simulation permet de réaliser une simulation complète pour valider un
SGEB. Cette co-simulation en introduisant un simulateur de comportement humain peut être une
perspective de cette thèse.

2.9.2. Validation semi-virtuelle

La validation semi-virtuelle par co-simulation temps réel est une deuxième solution pour
résoudre les problèmes d’hétérogénéité des technologies et des modèles. Elle se base sur
l’utilisation d’un simulateur temps réel afin de valider les algorithmes de gestion avec certains
composants physiques réels pour vérifier s’ils supportent la stratégie de contrôle ou si les
occupants l’acceptent (Figure II-23). C’est l’étape qui précède l’implémentation sur un site
démonstrateur à l’échelle 1 pour l’industrialisation.

Le Système de
Gestion Bâtiment

BUS DE CO-SIMULATION TEMPS REEL

Simulateur Temps réel

Modèle … Modèle
émulé N
Modèles
émulé 1
… Modèles
émulé N
émulé 1

Émulateur de bâtiment Hardware

Figure II-23: Mécanisme de co-simulation temps réel

La co-simulation semi-virtuelle nous permet de passer d’équipements simulés à de vrais

équipements et d’introduire de vrais capteurs de mesure avec leurs performances non idéalisées.
Elle consiste à simuler conjointement la partie matérielle et la partie logicielle du système, pour
valider simultanément le logiciel et le matériel. Une telle approche permet aussi d’étudier
l’acceptabilité des occupants.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 78

[Link]. Solution pour étudier l’acceptabilité des occupants

La co-simulation temps-réel est particulièrement adaptée pour étudier l’acceptabilité de SGEB

par des occupants et donc l’acceptabilité du concept d’"Energy Smart Home". Il est pratiquement
difficile de modéliser et de prédire les désirs des occupants. Une alternative est d’avoir recours à
de vrais occupants en simulant en temps réel certains équipements et composants du bâtiment
combinés à d’autres équipements et composants réels reconstituant tout ou partie d’un bâtiment
semi-virtuel (Figure II-24).
Une pièce réelle

Une pièce virtuelle émulée

Le magicien d’oz

Station de contrôle/commande

Figure II-24: Schéma de principe d’une simulation semi-virtuelle

Dans ce type de test, nous allons utiliser de vrais capteurs de mesures et des compteurs
intelligents. Pour valider un SGEB via la co-simulation temps réel, trois différentes parties
doivent être présentes : l’émulateur de bâtiment s’appuyant sur un simulateur temps réel, la
partie réelle du système bâtiment et les algorithmes de gestion. Dans le SGEB, les algorithmes
anticipatifs et réactifs sont en interaction avec des données externes qui viennent de la météo, le
marché de l’électricité, des Interfaces Homme-Machine (IHM) et du simulateur temps réel qui
transmet les mesures des capteurs. L’IHM peut être utilisé par l’occupant pour fournir des
instructions au SGEB et même pour exprimer son acceptabilité.
Ce principe de validation offre les intérêts suivants :
- la validation peut être faite avant la construction d’un logement ; le dimensionnement de
certains appareils (comme les systèmes CVC) peut dépendre des résultats simulés de
quelques jours typiques.
- des résultats de référence sont nécessaires pour la conception de SGEB car avec un
système bâtiment réel, les capteurs sont rares et lorsqu’ils sont présents, ils sont
généralement emprunts d’incertitudes.

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 79

- la validation d’un SGEB nécessite la conception d’interfaces de communication pour les

capteurs et des actionneurs. C’est généralement une tâche difficile de fait de la diversité
des technologies de communication et, en outre, certains capteurs et actionneurs peuvent
ne pas avoir d’interfaces de communication.

[Link]. Technique de magicien d’Oz

En matière d’étude des usages de la multimodalité, la technique du magicien d’Oz [OZ, 12]
présente l’avantage principal de permettre une simulation des modalités d’interactions qui, pour
des raisons techniques ou pratiques, peuvent rester difficile à implémenter [BRUN, 04] tel que
dans le cas des occupants d’un Smart Home. En effet, l’interaction des occupants avec un SGEB
peut être transmise directement sur une plate forme temps réel qui présente l’interaction home-
machine. Cette technique offre aux concepteurs d’interfaces utilisateurs de nouvelles possibilités
pour rendre la communication utilisateur-système plus coopérative, conviviale et transparente.
L’utilisateur peut désormais interagir avec une capacité d’expression verbale et non verbale, des
actions et des gestes.

En général, le but de ces tests est d’étudier l’utilité, l’efficacité (permettre à ses utilisateurs
d’atteindre le résultat prévu), l’efficience (permettre d’atteindre le résultat avec un effort moindre
ou avec un temps minimal), la satisfaction et l’acceptabilité (le confort et l’évaluation subjective
de l’interaction pour les occupants) d’une interface utilisateur en observant et mesurant
l’utilisation. Jusqu’à présent, les systèmes de Magicien d’Oz ont plutôt été utilisés pour simuler
la reconnaissance du langage naturel, parlé ou écrit, le plus souvent pour des applications de
consultation de bases de données [SALB, 92].

Au cours de cette thèse, nous allons valider un SGEB en utilisant les deux moyens de
validation décrits précédemment : la co-simulation virtuelle en utilisant MATLAB/Simulink et la
co-simulation temps réel via un simulateur temps réel hybride connecté au matériel pour faire
des tests dit "Power Hardware-in-the-loop" (PHIL). Nous allons tenir compte des différentes
stratégies de gestion de l’énergie "Smart Home" comme le contrôle direct de l’électricité et le
contrôle par le coût.

2.10. Conclusion
Une étape de validation précède tout produit développé avant sa commercialisation ou son
implémentation sur site. Ce chapitre a montré la nécessité d’une validation ainsi que les
différents moyens existants comme l’expérimentation et différents types de simulation. La
nature des problèmes rencontrés lors d’une validation a été, également, décrite. L’hétérogénéité
des systèmes et des modèles entre le gestionnaire énergétique et l’émulateur de bâtiment est un

Université de Grenoble INP 2012

Chapitre 2 : Vers la validation des « Energy Smart Home » 80

premier verrou. Le deuxième verrou se concentre sur la possibilité d’intégrer les préférences et
l’acceptabilité des occupants dans le processus de validation.

La deuxième partie de ce chapitre décrit le gestionnaire de l’énergie de bâtiment G-homeTech

qui va être validé et testé avec différents types de simulations et différents scénarios. Son
architecture, sa structure muti-couches ainsi que les modèles pour la gestion utilisés révèlent une
complexité qui rend impossibles leurs projections dans un environnement de simulation tel que
MATLAB/Simulink ou TRNsys: les environnements usuels d’un simulateur de bâtiment.

Après avoir introduit les problématiques de validation d’un SGEB, nous avons donné à la fin
de ce chapitre les solutions que nous proposons. Les techniques de co-simulation peuvent être
mises en œuvre pour valider les SGEB. La co-simulation virtuelle peut résoudre la
problématique d’hétérogénéité des systèmes alors que la co-simulation temps réel permet
d’étudier le problème d’acceptabilité d’un SGEB par des occupants immergés dans un
environnement semi-virtuel.

Les parties suivantes de cette thèse présentent différents cas d’application pour chaque type de
simulation dédiée à la validation du gestionnaire énergétique de bâtiments G-homeTech.

Université de Grenoble INP 2012

 Chapitre 3

Mise en œuvre des systèmes de validation

proposés
« Une idée pour laquelle tu n'as pas souffert ne t'appartient
pas »

Mihai Ralea. Roumanie

Sommaire chapitre 3
3.1. Introduction : Contexte et objectives .........................................................................................81

3.2. Mise en oeuvre d’un système de validation virtuel ...................................................................82

3.2.1. Architecture proposée ...........................................................................................................82
3.2.2. Application de couplage : problématique d’interfaçage........................................................83
3.2.3. Synchronisation temporelle...................................................................................................85
3.2.4. Méthodologie de validation virtuelle ....................................................................................86
3.2.5. Validation sur un cas simple .................................................................................................87
3.2.6. Discussion : avantage et limites ............................................................................................88

3.3. Mise en œuvre d’un système de validation semi-virtuel : validation sur un banc temps réel
hybride (Power hardware-in-the-loop) ...................................................................................................89
3.3.1. Architecture proposée ...........................................................................................................89
3.3.2. Application de couplage........................................................................................................90
[Link]. Couplage entre G-homeTech et l’émulateur de bâtiment (RTLAB) ................................90
a- Choix de RTLAB………………………………………………………………………...…….90
b- Procédure de couplage……………………………………………………………………....…92
[Link]. Couplage entre G-homeTech et une « prise gigogne ».....................................................93
3.3.3. Méthodologie de validation semi-virtuelle............................................................................94
3.3.4. Validation sur un cas simple .................................................................................................96
3.3.5. Discussion : avantage et limites ............................................................................................97

3.4. Conclusion ..................................................................................................................................100

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 81

3.1. Introduction : Contexte et objectives

Avec le développement des technologies de communication et les réseaux intelligents,

plusieurs projets de recherche et d’expérimentation commencent à tester la possibilité
d’implémentation à large échelle de la gestion de la demande dans le secteur résidentiel [PIET,
07], [KEMA, 06], [FROM, 07], entre autres. Ces algorithmes de gestion de la demande sont
aussi connus comme « Demand Side Management ».

On peut citer également au niveau local et de manière non exhaustive les projets ANR
MULTISOL [MULTI, 10] (2006-2009), REACTIVEHOME [REAC, 09] (2009, 2012), le projet
FUI (Fond Unique d’Investissement) et le projet HOMES (2008, 2012) où les laboratoires
G2ELAB et G-SCOP ont été des partenaires. Ces projets correspondent à différents cas
d’applications, mais ils ont un objectif commun qui vise à la mise en place d’un système de
gestion d’énergie dans un bâtiment pour optimiser l’utilisation de l’énergie en particulier dans le
cas de bâtiments multi sources et multi charges (Figure III-1). Après une étape de développement
de ces algorithmes, une étape de test avec différents scénarios est indispensable à des fins de
validation. C’est le premier objectif de cette partie qui est consacrée à la proposition d’un
système de validation virtuel.

Figure III-1: Gestion énergétique dans un bâtiment multi-sources et multi-charges.

Si la simulation dite « virtuelle » est une étape naturelle dans toute pré-validation
d’algorithmes de contrôle/commande, elle ne satisfait pas aux exigences du réglage sur site. Afin
de palier ce problème de réglage, les concepteurs ont de plus en plus recours à une approche
temps réel hybride (ou simulation semi-virtuelle selon le champ disciplinaire) ce qui permet de
« déverminer » le système avant implantation sur site. La simulation temps réel hybride, connue
sous l’acronyme « Power Hardware-in-the-loop (PHIL), est couramment employée pour la
conception et la validation de nombreux systèmes et algorithmes du génie électrique, notamment

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 82

pour les applications réseau et les entraînement électriques. Cette approche reste peu utilisée
dans l’ingénierie du bâtiment intelligent.

Dans le chapitre 2, nous avons décrit les problèmes qui peuvent survenir lors de la validation
d’un système de gestion énergétique. Nous verrons dans ce chapitre que la combinaison de
systèmes hétérogènes pourra être résolue avec une co-simulation virtuelle. Cependant, une des
limites de cette solution est qu’elle ne permet pas d’évaluer l’acceptabilité des occupants en
situation face aux ordres de contrôles/commandes envoyés par le SGEB. La co-simulation temps
réel hybride (ou semi-virtuelle) pourra être une solution pour de tels problèmes.

Dans ce chapitre, un premier système de validation du SGEB va être proposé et testé. Ce

système permettra de travailler en environnement virtuel avec un bâtiment simulé en MATLAB/
Simulink. Puis un deuxième système de validation va être décrit et tester. Ce système permettra
de travailler en environnement semi-virtuel avec des équipements émulés physiquement. Deux
objectifs essentiels sont visés:
- vérifier si ces deux outils de validation permettent de résoudre concrètement le problème
d’hétérogénéité des systèmes et notamment le couplage entre le gestionnaire énergétique
et le simulateur ou l’émulateur de bâtiment.
- créer un environnement de test qui tient compte des préférences des occupants en
situation.

Ce chapitre se divise en deux parties. La première partie détaillera l’architecture du système

de validation virtuel proposé pour le gestionnaire énergétique de bâtiment G-homeTech décrit
dans le chapitre 2. L’application de couplage, la problématique d’interfaçage et de
synchronisation temporelle entre G-homeTech et l’émulateur de bâtiment seront également
décrites. A la fin de cette première partie, nous allons tester, via un cas d’étude simple, le
couplage et conclure sur les avantages et les limites d’une telle solution de validation.
Dans la deuxième partie de ce chapitre, la méthodologie de la validation semi-virtuelle, et
l’architecture proposée sont présentés. Un cas test simple sera décrit pour valider l’architecture
proposée et montrer si les problèmes d’hétérogénéité entre les systèmes et l’acceptabilité des
occupants sont résolus ou non.

3.2. Mise en oeuvre d’un système de validation virtuel

3.2.1. Architecture proposée

Nous avons proposé une solution de la co-simulation virtuelle pour remédier au problème de
l’hétérogénéité des systèmes. Cette solution propose d’utiliser seulement du logiciel pour
effectuer une simulation en temps accéléré, c’est-à-dire faire de la gestion énergétique sur un
modèle de bâtiment pour une journée (cas de G-homeTech), ce qui prend dans la réalité une
durée de simulation de l’ordre de quelques minutes selon la période d’échantillonnage, du
programme d’optimisation ou encore de la machine qui fait les calculs.

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 83

Un ordinateur

Émulateur G-homeTech
Modèle de le SGEB

model.m
Bâtiment measurements. properties

controls. properties

Figure III-2: Architecture de la co-simulation virtuelle entre le SGEB et l’émulateur bâtiment

La co-simulation virtuelle peut être établie sur la même station de calcul (ordinateur) bien
qu’il existe deux parties essentielles (Figure III-2) : le système de gestion énergétique et le
simulateur de bâtiment. Le bâtiment est modélisé sur MATLAB/Simulink alors que le
gestionnaire d’énergie comprend des algorithmes programmés en JAVA utilisant le logiciel
Eclipse ou bien NetBeans. Ici, apparaît le problème d’hétérogénéité entre ces systèmes vue
qu’ils utilisent deux logiciels différents.

3.2.2. Application de couplage : problématique d’interfaçage

L’application de couplage entre le SGEB et l’émulateur bâtiment dans le cas de la co-
simulation virtuelle a nécessité le développement 3 fichiers : un programme coté MATLAB
model.m et deux introduits coté gestionnaire énergétique [Link] et
[Link].
- Le fichier model.m a été développé pour faire l’appel à G-homeTech en utilisant une S-
fonction level-2 de MATLAB/Simulink. (voir annexe1). Le cas d’étude simple décrit à la
fin de ce chapitre comprendra ce bloc.
- Le fichier [Link] (Figure III-3) configure la réception des mesures
envoyées par l’émulateur de bâtiment vers le bloc S-fonction de G-homeTech à travers
un canal de données multiplexées de MATLAB/Simulink. Il contient trois
informations décrites par la syntaxe suivante :

<matlab-measurements-array-index>=<ghometech-service-index>-<ghometech-variable-name> [unit]

1 2 3

1- La première information concerne l’indice dans le tableau de mesure défini dans

MATLAB/Simulink (Figure III-4) ; 2- la deuxième donne l’indice du service où la
variable doit être définie : cet indice est l’identifiant du service donnée dans le fichier
[Link] et [Link] (voir le chapitre 2). Enfin, 3- présente le nom de la variable
mesurée telle que définie dans le fichier [Link] de G-homeTech. Cette dernière
information est suivie par l’unité physique correspondant aux valeurs de variable dans
MATLAB.

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 84

12 3 Figure III-4 : Types de mesures et états nécessaires

Figure III-3: le fichier [Link] pour le couplage G-HomeTech MATLAB /
SIMULINK

- Le fichier [Link] (Figure III-5) permet l’envoi d’ordres de contrôle calculés

par G-homeTech vers MATLAB/Simulink (l’émulateur de bâtiment). Ce fichier contient
trois informations décrites par la syntaxe suivante :

<matlab-controlts-array-index>=<ghometech-service-index>-<ghometech-variable-name> [unit]

1 2 3

1- La première information concerne l’indice dans le tableau de contrôles défini dans

MATLAB/Simulink (Figure III-6) ; 2- la deuxième information donne l’indice du
service où la variable doit être définie : elle doit correspondre à un indice de service
donné dans les fichiers [Link] et [Link]..

1 2 3

Figure III-6: Types de commandes (points de

Figure III-5: le fichier [Link] consigne, la demande de démarrer / arrêter) envoyés
par G-HomeTech

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 85

Dans la version de G-homeTech utilisée (datant de fin 2011), il existait quatre types de
services : les services permanents (le chauffage, réfrigérateur, congélateur), les services
temporaires (la machine à laver et la lave vaisselle) ; les services non contrôlables et les
services fournisseurs d’énergie (le réseau électrique et une source PV). Le Tableau III-1 résume
les variable les mesures et contrôles échangés pour ces services dans les deux fichiers
[Link] et [Link]. Les indices dépendent du scénario pris en
compte. D’après ce tableau, le SGEB reçoit toujours la puissance consommée de chaque type de
service (power) mais en plus, il reçoit la température instantanée (temperature) de la pièce ou à
l’intérieur du réfrigérateur pour les services permanents. En contrepartie, il renvoie une
température de consigne (temperature) et la commande ON/OFF (enable). Il commande aussi
les services temporaires en envoyant des temps de démarrage (relative_starting_time) et aussi
des commandes ON/OFF (enable). Les services non-contrôlables et les services fournisseur de
d’énergie ne sont pas contrôlables.

[Link] [Link]
0=3-power [Watt] 0=3-temperature [Kelvin]
service permanent 1=3-temperature [Kelvin] 1=3-enable
3 est un exemple de l’identifiant pour le même service permanent
2=6-power [Watt] 2=6-relative_starting_time [second]
service temporaire 3=6-enable
6 est un exemple de l’ identifiant du même service temporaire
service non-contrôlable 6=0-power [Watt] ****
8=1-power [Watt] ****
service fournisseur Le SGEB ne contrôle pas ces deux derniers services, il a juste besoin de l’information
de leurs consommations

Tableau III-1 : Mesures et contrôles échangés

Nous verrons à la fin de ce chapitre un cas d’étude simple pour valider l’application de
couplage ainsi décrite.

3.2.3. Synchronisation temporelle

MATLAB/Simulink Gestionnaire énergétique
orchestrateur G-homeTech

Pas de calcul = 1 réactif

Temps+mesures

1 réactif
Commandes

1 réactif

Figure III-7 : Synchronisation entre MATLAB/Simulink et G-homeTech

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 86

Dans notre cas d’étude, pour résoudre ce problème de synchronisation, MATLAB/Simulink

qui joue le rôle d’orchestrateur envoie à chaque pas de calcul le temps et les mesures au
gestionnaire. Ce dernier et plus précisément le superviseur reçoit ainsi l’information de l’horloge
du simulateur et fait son calcul et envoie par la suite sa commande au simulateur et ainsi de suite.

3.2.4. Méthodologie de validation virtuelle

Une fois un scénario de validation choisi et en ajustant les paramètres des fichiers [Link]
et [Link], nous pouvons lancer la simulation sans se connecter à l’émulateur de bâtiment
pour générer la solution anticipée conformément au problème posé. Pour que le solveur trouve
une solution, il faut respecter toutes les contraintes décrites précédemment. L’étape suivant est
de connecter le SGEB à l’émulateur de bâtiment. Pour se faire, nous passons par les étapes
suivantes (Figure III-8):
1- Remplir le fichier [Link] en précisant les identifiants et les paramètres de chaque
service.
2- Construire un fichier [Link] en gardant les mêmes identifiants définis dans le
fichier [Link]
3- Vérifier que le solveur anticipatif trouve une solution en respectant toutes les contraintes.
4- Remplir les fichiers [Link] et [Link] en conservant
toujours les identifiants et l’ordre des valeurs échangées.
5- Cette étape consiste à lancer le scheduler (Figure III-9).
6- Il faut alors lancer l’émulateur de bâtiment en l’exécutant dans MATLAB/Simulink qui
lance G-homeTech grâce au fichier model.m et établit la communication entre les
différentes parties de SGEB et le modèle de bâtiment. Cette étape sera détaillée dans le
chapitre qui suit à travers les cas d’études.

[Link] [Link]

Lancer le Scheduler: il attend un problème à résoudre

Modèles G-homeTech
système Lancer le simulateur: envoie du problème
bâtiment
Résolution du problème et envoie la solution sous
forme des commandes
MATLAB/ JAVA
Simulink
Renvoie des mesures

controls. measurements.p
properties roperties

Figure III-8 : Méthodologie de la validation virtuelle d’u G-homeTech

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 87

Le scheduler attend le problème qui sera envoyé

par le superviseur (appelé par MATLAB /l’étape
suivante).

Figure III-9: Lancer le Scheduler: il attend un problème à résoudre

3.2.5. Validation sur un cas simple

L’idée était de construire un modèle thermique très simple d’une chambre sur
MATLAB/Simulink. Comme le montre la Figure III-11, le modèle thermique est juste une
fonction de transfert avec des paramètres aléatoires. Le but n’est pas de modéliser un bâtiment
mais de valider le couplage entre MATLAB/Simulink et le SGEB codé en JAVA. Le contrôleur
du radiateur est un modèle MATLAB Stateflow qui compare la température de la pièce avec la
température de référence envoyée par le SGEB pour donner la puissance consommée de
radiateur (Figure III-10).

Figure III-10 : Le contrôle local de radiateur. Figure III-11: Exemple du couplage de S-fonction de G-
homeTech avec un modèle thermique

Cette puissance est une entrée pour le modèle thermique qui calcule la température de la pièce
et l’envoi à G-homeTech. La communication entre ce dernier et le modèle MATLAB se fait
grâce à une S-fonction. (voir l’annexe 1). Cette S-fonction peut être insérée au sein d'un modèle
Simulink par l'intermédiaire d'un simple bloc nommé ghomeTechCaller dans la Figure III-11.

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 88

25 Température de la pièce

Température (°C)
(a) Température de référence
20

15

0 2 4 6 8 10 12 14 16 18 20 22 24
Temps (heure)
2000
(b)
Puissance (W)

1500

1000

500

0
0 2 4 6 8 10 12 14 16 18 20 22 24
Temps (heure)

Figure III-12 : (a) température de la pièce et température de référence respectivement reçues et envoyées par
GhomeTech (b) puissance consommée par le radiateur envoyée à G-homeTech

Pour vérifier le couplage entre le SGEB et le simulateur de bâtiment, nous visualisons les
grandeurs d’entrées et de sorties du bloc ghomeTechCaller après avoir suivi la démarche
détaillée précédemment. Nous allons afficher la température de la pièce ainsi que la puissance
consommée par le radiateur et la température de référence envoyée par G-homeTech au
simulateur Figure III-12.

3.2.6. Discussion : avantage et limites

La Figure III-12-a montre les résultats d’une simple simulation où G-homeTech modifie la
température de consigne du chauffage. La Figure III-12-b donne la puissance envoyée à G-
homeTech. Grâce à cet exemple, nous avons pu vérifier le couplage entre le SGEB et le modèle
MATLAB/Simulink et résoudre le problème d’hétérogénéité entre ces deux systèmes. Ces tests
préliminaires montrent qu’avec cette solution il n’y a pas de perte de données entre MATLAB et
Java. Les librairies G-homeTech doivent être introduites dans le fichier [Link] de
MATLAB. Le SGEB utilise l’horloge du MATLAB pour se synchroniser. Cette solution permet
de simuler le comportement thermique de la maison pour une journée en quelques minutes selon
le temps d’échantillonnage choisi.

La limite de cette solution se situe dans la difficulté d’étudier la capacité des actionneurs du
bâtiment à répondre ont sollicitation de G-homeTech ainsi que l’acceptabilité des occupants en
situation face aux ordres de contrôle du gestionnaire énergétique. Nous pouvons modéliser ce
comportement et l’introduire dans le modèle de bâtiment, mais il reste des prédictions qui
peuvent être très loin de la réalité. La deuxième partie de ce chapitre va mettre en œuvre une
solution qui va résoudre ce problème.

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 89

3.3. Mise en œuvre d’un système de validation semi-virtuel : validation sur

un banc temps réel hybride (Power hardware-in-the-loop)

L’objectif principal de cette partie est de montrer si les problèmes d’hétérogénéité, de

robustesse des actionneurs et d’acceptabilité des occupants en situation peuvent être résolus par
une co-simulation temps réel hybride.

3.3.1. Architecture proposée

L’idée était de réaliser une co-simulation temps réel hybride pour valider les algorithmes de
gestion énergétique fournis par exemple par G-homeTech. Plus spécifiquement il s’agit de
concevoir une structure dédiée à la simulation/émulation en temps réel d’un habitat (des points
de vues électrique et thermique), en utilisant le concept de simulation Power Hardware-in-the-
loop (PHIL). Cette structure est conçue dans le but de valider des stratégies de gestion de
consommation énergétique du bâtiment dans des conditions de fonctionnement contrôlables en
prenant en compte l’acceptabilité des occupants. Pour cela, différentes composantes de cette
plateforme doivent être interconnectées.

Pour valider un SGEB via la co-simulation temps réel deux différentes parties doivent être
présentes : l’émulateur de bâtiment et les algorithmes de gestion (voir Figure III-13). Les deux
sont connectés à travers un simulateur temps réel.
and distribution module in the

Sensors External data, whether

Dwelling power generation

and prices
- temperature
Real time
- light levels
simulator
- consumed energy…
input Predictive and
Actuators reactive
output optimizer
- switches
- valves
HMI
- dampers…

Emulator BEMS
Figure III-13: Architecture générale d'une simulation HIL pour la validation d'un SGEB

Dans le SGEB, les algorithmes anticipatifs et réactifs sont en interaction avec des données
externes qui viennent des prédictions météorologiques, de l’évolution en temps réel du marché
de l’électricité, de la disponibilité de l’énergie ou encore de l’occupant… Ainsi, la plateforme de
test comprend des systèmes logiciels : le SGEB, le simulateur de bâtiment et différents modules
de communication, mais aussi des composantes physiques : sources électriques, charges
contrôlables ou pas et systèmes de mesure intelligents (prise gigogne par exemple) (voir Figure
III-14).

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 90

SGEB IHM

Simulateur contrôle mesures

temps réel

Modèle de Capteurs
bâtiment
Prise Charge Occupant/ espace
intelligente programmable semi-virtuel

Figure III-14 : Schéma de principe d'une simulation temps réel

L’IHM peut être utilisée par l’occupant pour fournir des instructions au SGEB et ainsi
exprimer ses intentions et préférences.

3.3.2. Application de couplage

L’architecture du système de validation du SGEB définie dans le paragraphe précédent,
contient plusieurs éléments. Le couplage entre certaines parties est parfois complexe, vu la
différence de technologies logicielles et les protocoles de communication. La grande difficulté
réside, d’une part, dans le couplage entre l’émulateur de bâtiment RTLAB et le gestionnaire
énergétique G-homeTech, et d’autre part, entre G-homeTech et une prise gigogne ‘Smart Plug’.
Nous allons décrire les procédures de couplages entre ces différentes parties.

[Link]. Couplage entre G-homeTech et l’émulateur de bâtiment (RTLAB)

a- Choix de RTLAB
Généralement, un système de gestion énergétique de bâtiment SGEB peut être implémenté de
plusieurs façons. Une des solutions consiste à intégrer le SGEB en totalité dans chaque zone de
vie. Par contre, cette solution a plusieurs inconvénients comme :
- le coût, en effet ces SGEB nécessitent des supports physiques, qui, trop nombreux
constitueraient un handicap économique.
- une maintenance qui peut s’avérer plus difficile et plus coûteuse.
- une capacité de calcul importante est nécessaire pour calculer des plans prévisionnels
mais de manière très ponctuelle.
C’est pour ces raisons, il est plus intéressant de mutualiser les calculs du plan prévisionnel sur
des calculateurs centralisés au sein de data centres. Les gestionnaires énergétiques doivent donc
être conçus de manière modulaire. Ainsi, G-homeTech comporte différents modules qui
communiquent entre eux via des protocoles du Web. La Figure III-16 représente une solution
d’implémentation de G-homeTech. La plupart des gestionnaires énergétiques commercialisés ou
non (comme PcVue ou InTouch) [GUIL, 10] sont accessibles de n’importe quel poste sur le
réseau grâce à une architecture client-serveur via différents protocoles de communication de
niveau application comme le TCP/IP, le HTTP…

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 91

Energy
Box

Server
Energy
Box DATA Center
INTERNET
TCP/IP Anticipative
Control

...

Energy
Box

Reactive control

Figure III-16: Une solution d’implémentation de G-

Figure III-15: Zoom sur une maison
homeTech au sein d’un quartier

Dans le cas de G-homeTech, on considère que les composants logiciels du système sont situés
dans deux sites différents: d'une part, à l'intérieur des bâtiments (la couche réactive et locale), où
les mesures sont prises et où des actions sont exécutées ; et d’autre part dans un centre de
contrôle centralisé, où les données sont stockées et où un serveur Web gère les différentes
applications (la couche anticipative) (voir la Figure III-15) d’où l’intérêt d’utilisation d’RTLAB
qui offre l’avantage de permettre une :
o communication Internet ce qui nous rapproche de la réalité dans l’implémentation du
gestionnaire énergétique de bâtiment.
Dans le chapitre 2, nous avons présenté un état de l’art des simulateurs temps réel existants et
quelques applications. Le choix d’utiliser le simulateur temps réel hybride RTLAB pour valider
les algorithmes de gestion énergétique dans le secteur de bâtiment peut être justifier par plusieurs
autres raisons comme :
o Dans un modèle de bâtiment, il existe deux types de modèles avec des dynamiques
différentes : les modèle thermiques avec une dynamique lente de l’ordre d’une heure et
les modèles électriques avec une dynamique rapide de l’ordre d’une seconde. RTLAB
permet le fonctionnement du système avec ces deux domaines de fréquence, un avantage
qu’on ne trouve pas dans les caractéristiques de dSPACE ou bien de LabVIEW qui sont
les systèmes les plus connues dans la simulation temps réel hybride. Cette caractéristique
de RTLAB contribue à la résolution du problème d’hétérogénéité entre l’émulateur de
bâtiment et le SGEB où on retrouve deux échelles de temps, 1 heure pour la couche
anticipative et 1min pour le contrôle réactif (voir chapitre 2).
o Le bâtiment intègre de plus en plus de sources de puissance renouvelable comme le
photovoltaïque. RTLAB a servi de base à plusieurs travaux de test pour les unités de
commande de puissance des convertisseurs [CRAC, 10]. En perspective, nous pouvons
imaginer une suite à nos travaux, en intégrant des modèles plus sophistiqués de sources
PV.

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 92

o RTLAB permet d’introduire des équipements physiques dans la boucle de validation des
algorithmes de gestion, tel qu’une « prise gigogne ».

b- Procédure de couplage
Le SGEB est couplé à l'émulateur comme indiqué par la Figure III-17. Le SGEB doit être
capable d'interagir avec un simulateur temps réel. L’environnement de la simulation de la Figure
III-17 est constitué de deux ordinateurs et un simulateur numérique. La partie matérielle de ce
simulateur est constituée du simulateur temps réel RTLAB HILBox 4U [Web_RT]. Le premier
ordinateur (Host PC1) est utilisé pour concevoir des modèles de simulation d'un système habitat
et pour visualiser les résultats de simulation. Le deuxième ordinateur (Host PC2) héberge le
SGEB.

Figure III-17: Schéma conceptuel de la plate-forme HIL

Ces deux systèmes sont hétérogènes. En effet, le SGEB est programmé en JAVA et le
bâtiment est modélisé sous MATLAB/Simulink puis compilé dans RTLAB qui le transforme en
code C. Pour résoudre ce problème d’hétérogénéité des systèmes, des tunnels de communication
ont été développés pour transférer les signaux de commandes et de mesures entre le SGEB et le
processus émulé. Un schéma de cette interface de communication est donné par la Figure III-18.
Le SGEB est interfacé avec les modèles de simulation fonctionnant via une plate-forme temps
réel (RTLAB) par une communication Internet.

Pour le couplage entre le RTLAB et G-homeTech, l'architecture de la Figure III-18 a été

conçue pour établir des "sockets" pour chaque modèle (service), et ensuite pour échanger des
contrôles et des mesures via ces "sockets". Chaque service simulé dans RTLAB a son équivalent
dans le système de gestion énergétique : la correspondance se fait par un numéro de port dédié
pour chaque service. Ce module a été développé en Java. [Link] contient deux types
d’informations:
1- le numéro IP et le numéro de Port de chaque service (voir chapitre 2);
2- le nombre de variables envoyées par le simulateur RTLAB en temps réel au SGEB et les
contrôles allant du SGEB à RTLAB (voir chapitre 2). Ces informations sont détaillées plus loin.
Cette interface peut être établie entre n’importe quel SGEB et simulateur de bâtiment s'ils
communiquent entre eux avec les mêmes types d’informations.

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 93

[Link]

Server Requet Client

Mes <getMes>
Load 1/ Socket 1 Service 1/ Socket 1
Load 2/ Socket 2 Mes Service 2/ Socket 2 <setCmd>
Com <setCom> <getMes>/Mes
Load n/ Socket n Service n/ Socket n

Real Time Simulator XML Interface (Bridge) Building EMS

RT-LAB
Figure III-18: XML Interface

[Link]. Couplage entre G-homeTech et une « prise gigogne »

Une prise gigogne conçue par l’entreprise Schneider Electrique est introduite dans le matériel
du banc d'essai afin d’évaluer son intérêt pour un SGEB, G-homeTech. Cette prise a deux rôles :
- mesurer la puissance et la transmettre au SGEB
- recevoir le contrôle de marche/arrêt de SGEB
La prise gigogne comporte deux composants principaux: la partie physique (la connectique,
les capteurs, etc) et un microcontrôleur. Ce microcontrôleur réalise le transfert de données depuis
et vers un transducteur de radiofréquence. La deuxième partie est formée d’un logiciel de
traitement de données situé de l’autre bout du canal de communication (système de calcul distant
– SGEB).
Le partenaire Schneider Electric du projet ReactiveHome, a fourni dans le projet la partie
physique du dispositif, ainsi que les bundles OSGI (Open Service Gateway Initiative) qui
s’installent dans l’environnement de développement Java Felix pour communiquer avec la
« prise gigogne ». En utilisant cette plateforme, la prise aura deux fonctionnalités :
- un interrupteur commandé pour l’ouverture/la fermeture du circuit de la charge par le
SGEB ou bien de l’occupant (par un simple appuie). Ainsi, et grâce à cette prise et à la co-
simulation temps réel hybride, l’occupant peut introduire ces envies.
- un capteur qui mesure les puissances concernant la consommation de la charge qui
peuvent être transmises vers un système de calcul distant, le SGEB dans notre cas.

La communication entre la prise gigogne et G-homeTech se fait à travers une communication

sans fil suivant le protocole ZigBee [HUAN, 11] grâce à un bundle OSGI. Ce bundle constitue
un pont entre la prise et le gestionnaire d’énergie G-HomeTech ; il transmet les informations
selon un ordre prédéfini. Le couplage entre G-homeTech et la prise gigogne dédiée est décrit par
la Figure III-19.
Définition :
Le bundle HDOutletWrapper : doit instancier le service Schneider nommé HDOutlet et appliquer
les commandes ON/OFF directement sur la prise gigogne.
Le bundle DataWrapper2EMS : est un bundle de communication. Il fonctionne comme un
serveur qui attend d’être invoqué par le gestionnaire d’énergie G-HomeTech. Le démarrage de

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 94

ce serveur est proposé comme un service dans la plateforme et doit être implémenté dans G-
HomeTech. L’implémentation est de type startServer() et stopServer().

Des mesures

Dongle
SGEB
La charge
OSGI
Des commandes

Socket server-
client
Bundles Bundle Bundle
SGEB G2ELAB
Mesures
Schneider ZigBee
TCP/IP commandes

DataWrapp2EMS HDOutletWrapper

Figure III-19: Principe de couplage entre le G-homeTech et la prise gigogne

Le diagramme de séquences donné par la Figure III-20 résume la communication avec les
différentes parties du banc d’essai utilisé pour la validation.

Occupant SGEB RTLAB La prise

gigogne

Remplir le scénario
Démarrer
l’optimisation

Plan anticipatif getMesure

Mesure
getMesure

Mesure
Traitement de
mesures
ON/OFF
ON/OFF
Intentions et
préférences via
IHM Action de l’occupant
Via la prise gigogne

Figure III-20: Le diagramme de séquence.

3.3.3. Méthodologie de validation semi-virtuelle

Une fois un scénario de validation choisi et après avoir ajusté les paramètres des fichiers
[Link] et [Link], une simulation peut être lancée sans connecter l’émulateur de
bâtiment. L’objectif est d’analyser la solution anticipée selon le problème posé. Pour que le
solveur trouve une solution, il faut respecter toutes les contraintes décrites précédemment.

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 95

L’étape suivante est de connecter le SGEB à l’émulateur bâtiment. Pour se faire, nous passons
par les étapes suivantes :

1- Remplir le fichier [Link] et bien préciser les identifiants de chaque service

2- Construire un fichier [Link] en gardant les mêmes identifiants définis dans le
fichier [Link]
3- Vérifier que le solveur anticipatif trouve une solution en respectant toutes les contraintes.
4- Une fois l’étape 3 vérifiée, on peut lancer le solveur anticipatif qui va attendre un
problème à résoudre.
5- A cette étape, le simulateur temps réel, où le modèle de bâtiment est déjà compilé, est
lancé.
6- Enfin, la dernière étape consiste à lancer l’interface de communication entre le SGEB (le
superviseur plus précisément) et les composants matériels : RT-LAB et la prise gigogne.
Cette interface permet de transmettre les messages envoyés par le superviseur. Ces
messages ont la forme suivante :

<?xml version="1.0" encoding="UTF-8"?>

<command xmlns:xsi="[Link]
xsi:noNamespaceSchemaLocation="file:[Link]">
<DATA_REQUEST></DATA_REQUEST>
< - - ! envoie les mesures -- >
<START_REQUEST></START_REQUEST>
< - - ! demarrer un service -- >
<STOP_REQUEST></STOP_REQUEST>
< - - ! arrêter un service -- >
< SET_SETPOINT ></SET_SETPOINT>
< - - ! mettre à jour la consigne d'un service-- >
</command>

Le superviseur est le serveur qui interroge l’interface XML à chaque échantillon de temps
réactif 1r=1s. Un message comprend, comme le montre le code précédent, 4 différents types
de messages :

- <DATA_REQUEST>: lorsque ce message est envoyé par le gestionnaire (le

superviseur) à l’interface XML, cette dernière lui transmet, instantanément, les
informations sur le modèle de bâtiment (température, puissance, énergie…) compilé dans
RT-LAB et la valeur de puissance envoyée par la prise gigogne. Le superviseur génère
de nouveau un problème et l’envoie au solveur anticipatif pour le résoudre et renvoyer la
solution au superviseur qui l’envoie à on tour à l’émulateur via l’interface XML.
- <START_REQUEST> et <STOP_REQUEST> : Le superviseur peut envoyer un ordre
de commande d’extinction ou de démarrage d’un ou plusieurs services, tout dépend si le
plan anticipatif est respectivement violé ou pas.

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 96

- <SET_SETPOINT> : cette commande permet de mettre à jour les consignes de service,

par exemple, les températures de références pour les services permanents et les temps de
démarrage pour les services temporaires.

Etape1: Lancer le solveur

1 il attend un problème

Etape2:Lancer la simulation
1 simulation en cour

r
iseu
erv
Etape3: Lancer le superviseur

Sup
(réactive) 1 Setups+scénario
problème
Message
envoyé du
superviseur à
l’interface Etape4:Lancer les interfaces de
XML. communication entre RT-LAB
et la prise gigogne.

Figure III-21: Méthodologie de validation en co-simulation temps réel

3.3.4. Validation sur un cas simple

Dans ce paragraphe nous validons à partir d’un cas d’étude simple, si le couplage entre le
SGEB, RTLAB et la « prise gigogne » fonctionne correctement. La réaction de l’occupant est
introduite pour évaluer la performance du système de validation. Enfin, les avantages et limites
de la plate forme temps réel hybride sont décrits.

Le cas d’étude simple vise à allumer et éteindre une lampe de 25 W, via la prise gigogne
(Figure III-22). L’ordre de contrôle est donné soit par le SGEB soit par l’occupant. Dans ce
premier cas test élémentaire, il n’y a pas d’algorithme de gestion ai niveau du SGEB. C’est un
simple code JAVA qui envoie l’ordre d’arrêt (OFF) chaque 5 min pour éteindre la lampe durant
2 min. Cet ordre de contrôle est visualisé dans MATLAB/Simulink (PC2 de la Figure III-22)
pour tester le couplage des deux systèmes dans un sens. L’occupant peut intervenir et annuler la
commande du SGEB à travers une action sur l’interrupteur de la prise gigogne.

Nous avons également introduit des capteurs de mesures de tension et de courant de la lampe
qui vont être utilisés par MATLAB/Simulink pour calculer la puissance réelle consommée. Cette
puissance est envoyée au SGEB via l’interface de couplage des deux systèmes pour être
comparée avec celle fournie par la prise gigogne. Ainsi le deuxième sens de couplage entre le
SGEB et l’émulateur de bâtiment a été testé et la mesure de puissance de la prise comparée avec
celle donnée par les capteurs.

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 97

On/off

Interface
RTLAB SGEB
I lampe ln eff
ln1 eff1 Interface
V lampe
Prise

Mesure de puissance L’occupant PC2

PC1
consommée par la lampe
dans MATLAB/Simulink

Capteurs
Lampe de
I,V
25W

Figure III-22: validation sur un cas simple

La Figure III-23-a donne les ordres ON/OFF envoyés par le SGEB à la prise gigogne affiché
sur PC1 et PC2 (voir Figure III-22), respectivement, pour le contrôle et la visualisation. La
Figure III-23-b introduit l’action de l’occupant sur l’interrupteur de la prise et la Figure III-23-c
donne la puissance consommée par la lampe mesurée à l’aide des capteurs de courant et de
tension et calculé dans MATLAB/Simulink.
Commande de SGEB dans PC2 Commande de SGEB visualisée dans PC1
1
Retard de quelques
Commandes

secondes
0.5

0 (a)
2 4 6 8 10 12 14 16 18

1.2
Commande de SGEB dans PC2 L’action de l’occupant sur l’interrupteur de la prise gigogne
1
0.8
Commandes

0.6
0.4
0.2
(b)
0

2 4 6 8 10 12 14 16 18

(c)

Figure III-23: Résultats de simulation pour le cas d’étude simple pour valider le couplage entre le SGEB, RTLAB et
la prise gigogne.

3.3.5. Discussion : avantage et limites

Avec ce cas simple, nous avons validé le couplage entre le SGEB et l’émulateur de bâtiment.
En effet, on retrouve les ordres de contrôle ON/OFF envoyé par le SGEB à la lampe dans la

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 98

visualisation de MATLAB/Simulink avec un petit retard qui peut aller jusqu’à 10s (Figure III-
23-a). Ce retard est du à communication sur le réseau Ethernet. La puissance consommée par la
lampe calculée dans le modèle Simulink à partir du courant et de la tension donnés par les
capteurs de mesures est bien envoyée au gestionnaire avec presque le même retard.

Le couplage entre le gestionnaire énergétique et la prise gigogne a été aussi validé. La prise
reçoit quasi-instantanément l’ordre ON/OFF du gestionnaire qui peut être annulé par un ordre de
l’occupant (Figure III-23-b) durant un laps de temps. En effet, le SGEB envoie son contrôle
chaque 1seconde. Pour maintenir l’action de l’occupant, il faudrait réactionner à chaque fois
l’interrupteur de la prise ce qui donne la puissance consommée par la lampe Figure III-23-c.
Concernant la mesure de puissance, nous ne retrouvons pas les mêmes puissances envoyées par
la prise et celle envoyée par les capteurs de mesure car la prise mesure l’énergie. La puissance
consommée PZB peut être indirectement calculée à partir de la valeur d’énergie E et de
l’intervalle 1t entre le temps courant et le temps de la dernière valeur reçu en utilisant la relation
suivante :
E × 3600
Pzb = (III-1)
∆t
Les messages envoyés par la prise gigogne sont illustrés par la Figure III-24. L’intervalle de
temps 1t est dans ce cas de 60 s¹, la valeur de E est 1Wh². Pour calculer la puissance de cette
charge, nous avons utilisé l’équation 1 qui conduit à :

1× 3600
Pzb = = 60 Wh (III-2)
60
Cette valeur de 60W n’est pas correcte, car la puissance nominale de la lampe utilisée est de
25Wh. Comme on peut le voir dans la Figure III-24, la prise gigogne répète la valeur de
d’énergie deux fois, ce que signifie que le temps dans ce cas est 2 x 1t=120s. Cela implique
Pzb = 30 W, ce qui est plus proche de la puissance de la lampe. Il est donc difficile d’évaluer la
puissance à partir de l’énergie.

Figure III-24 : Messages affichés par le dispositif ZigBee pour une charge de 25 W

Pour mieux étayer cette conclusion, nous avons réalisé différents cas tests en connectant la
prise gigogne entre une source AC 220V/50Hz et une charge résistive variable (max 4KW).

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 99

Nous avons fait varier le courant de la charge jusqu’à 8A³. La valeur d’énergie E est, dans ce cas,
de 2Wh¹. Le Tableau III-2 montre les valeurs mesurées par la prise par rapport à la valeur
donnée par un appareil de mesure (énergie/puissance électrique- Chauvin Arnoux C.A.8334):

P mesurée (W) 1t (seconde) Pzb (W) |1P| (W) L’erreur en %

223 30 240 17 7.6%
695 10 720 25 3.6%
1334 5 1440 106 8%
1740 4 1800 60 3.4%
Tableau III-2 : Mesures comparatives de puissance entre la prise gigogne et l’appareil de mesure.

La prise gigogne envoie l'énergie consommée par la charge lors de la dernière remise à zéro
(c'est une sorte de compteur d'énergie). En outre, la fréquence de transmission de la mesure
dépend de la puissance de la charge - voir la Figure III-25.

Figure III-25 : Relation entre la puissance de la charge et les instants de transmission des mesures

Ces tests préliminaires ont permis de mettre en évidence trois inconvénients importants dans
la conception de la prise gigogne :
- communication de l’énergie au lieu de la puissance consommée ;
- communication asynchrone de la valeur mesurée (temps de transmission variable) qui
dépend de la puissance de la charge.
- précision de la mesure d’autant plus importantes que les consommations sont élevées
(voir Tableau III-2).

¹ Le temps mesuré à l’aide d’un chronomètre.

² La valeur E, définie dans le logiciel de mesure dépend de la consommation de la charge. Nous avons pu identifier deux valeurs, 2 Wh pour
des consommations grandes (supérieures à 100W) et 1 Wh pour les faibles consommations
³ Le courant maximale de la prise est de 10A.

Université de Grenoble INP 2012

Chapitre 3 : Mise en œuvre des systèmes de validation proposés 100

3.4. Conclusion

Ce chapitre est consacré à la mise en œuvre de deux systèmes virtuel et semi-virtuel de

validation des algorithmes de gestion énergétique dans un bâtiment. Dans la première partie de
ce chapitre, nous avons présenté l’architecture du système virtuel et décrit l’application de
couplage, la problématique d’interfaçage et de synchronisation temporelle entre G-homeTech et
le simulateur de bâtiment. La validation sur un cas d’étude simple, nous a permis de vérifier que
le couplage entre le SGEB G-homeTech et le simulateur de bâtiment a été établi sans perte de
données grâce à la synchronisation entre les deux systèmes. Cependant, avec cet outil nous ne
pouvons pas introduire des occupants dans le système de validation ni tenir compte de certains
équipements réels.

L’objectif de la deuxième partie est de réaliser un démonstrateur qui permet l’analyse des
performances du gestionnaire énergétique de bâtiment (en temps réel) dans les conditions réelles
de fonctionnement et qui permet de résoudre les problèmes d’hétérogénéités entre les systèmes et
d’introduire les actions de l’occupant. Nous avons alors décrit l’architecture de ce démonstrateur
temps réel hybride, le couplage entre le SGEB, l’émulateur de bâtiment RTLAB et la prise
gigogne, ainsi que la méthodologie de validation. Pour valider le bon fonctionnement de
l’ensemble, nous avons étudié un cas d’application simple. Grâce aux résultas obtenus, nous
avons montré que le couplage entre les trois systèmes peut être établi. Nous avons montré
l’intérêt de ce système de validation pour la prise en compte de capteurs/actionneurs imparfaits
dans la gestion énergétique.

Une fois le couplage entre le gestionnaire énergétique et le modèle de bâtiment testé sur
MATLAB/Simulink avec un cas simple via les deux outils de validation virtuelle et semi-
virtuelle, nous allons étudier, dans le chapitre suivant, des cas d’applications plus complexes
avec des modèles thermique et électrique d’appartement. Nous allons tester non seulement le
couplage mais aussi les algorithmes de gestion énergétique avec différents scénarios.

Université de Grenoble INP 2012

 Chapitre 4

Validation virtuelle des algorithmes de gestion

énergétique de G-homeTech

« Faites quelque chose et, si ça ne réussit pas,

essayez autre chose »

[Link]

Sommaire chapitre 4

4.1. Introduction................................................................................................................................102

4.2. Contexte et objectifs...................................................................................................................102

4.3. Découverte et analyse du modèle Gershwin ............................................................................103

4.4. Etude thermique d’une pièce du modèle Gershwin................................................................105

4.5. Architecture du cas d’application ............................................................................................106

4.5.1. L’émulateur de bâtiment et le modèle thermique................................................................107
4.5.2. L’émulateur de bâtiment et les modèles électriques ...........................................................111
[Link]. Modèle du réfrigérateur/congélateur...............................................................................112
[Link]. Modèles des services temporaires...................................................................................113

4.6. Scénarios de gestionnaire énergétique .....................................................................................115

4.6.1. Simulation sans G-homeTech .............................................................................................115
4.6.2. Simulation avec G-homeTech.............................................................................................116
[Link]. Contrôle par le coût sans le mécanisme de gestion réactif .............................................117
[Link]. Contrôle par le coût avec le mécanisme de gestion réactive...........................................118

4.7. Résultats de simulations et discussions ....................................................................................118

4.7.1. Cas sans G-homeTech.........................................................................................................118
4.7.2. Cas avec G-homeTech ........................................................................................................119

4.8. Conclusion ..................................................................................................................................125

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 102

4.1. Introduction
Dans le chapitre précédent, nous avons mis en œuvre deux solutions qui se basent sur la co-
simulation virtuelle et temps réel hybride pour valider les algorithmes d’un SGEB. Nous avons
vérifié via des cas test simples que le couplage entre le gestionnaire, le simulateur ou l’émulateur
de bâtiment et une « prise gigogne » était bien établi et que le problème d’hétérogénéité entre les
systèmes était résolu. Cependant, nous n’avons pas validé les algorithmes de G-homeTech.
L’objectif de ce chapitre est de valider les algorithmes de G-homeTech via des cas d’étude plus
complexe en variant les scénarios.

Les algorithmes de gestion énergétique de G-homeTech vont être validés via la co-simulation
virtuelle qui se base sur la communication entre le gestionnaire et un simulateur de bâtiment
nommé SIMBAD qui contient la maison virtuelle Gershwin crée par le centre scientifique et
technique du bâtiment (CSTB). Nous allons découvrir et analyser le modèle de la maison
virtuelle Gershwin choisi pour la validation. L’architecture de la simulation semi-virtuelle sera
détaillée et le modèle thermique de pièce retenu ainsi que les modèles des équipements
électriques seront décrits. Enfin, pour valider les algorithmes de gestion énergétique, nous avons
varié les cas test et les scénarios qui se basent tous sur le contrôle par le coût de l’électricité pour
une maison qui produit localement de l’énergie photovoltaïque.

4.2. Contexte et objectifs

Le projet HOMES, Habitats et bâtiments Optimisés pour la Maîtrise de l’Énergie et des

Services, est un programme collaboratif d’innovation incluant 13 acteurs industriels et de
recherche. Lancé en 2008, il a pour ambition d’améliorer l’efficacité énergétique des bâtiments
tertiaires et résidentiels. L’objectif est d’économiser jusqu'à 20% de consommation, grâce à un
contrôle actif de l’énergie dans le bâtiment, c’est à dire, en utilisant chaque "Watt" d'électricité
de façon efficace et pour des usages utiles.
Dans le cadre de ce projet, le CSTB a développé des modèles de bâtiments virtuels dans un
environnement Matlab/Simulink. Les laboratoires G-SCOP et G2ELAB se sont engagés auprès
de Schneider Electric à appliquer son logiciel de gestion des énergies dans le bâtiment,
GhomeTech, à un cas d’étude du projet Homes : la maison Gershwin. Cette collaboration a pour
but d’illustrer les performances du logiciel G-homeTech en le couplant à un modèle virtuel bien
connu de Schneider Electric.

Nous rappelons que l’objectif de G-homeTech est de minimiser les consommations d’énergie
de la maison notamment dues aux équipements (chauffage, appareils électroménagers,
éclairage…), tout en respectant le confort et les exigences des occupants. Ceci revient à
maximiser l’efficacité énergétique du bâtiment, c'est-à-dire le ratio entre confort et
consommation énergétique.

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 103

L'objectif est d'analyser le modèle d'un bâtiment virtuel, la maison Gershwin, afin de définir
les moyens d'action pouvant être utilisés pour élaborer une stratégie de gestion énergétique
efficace. Il est donc nécessaire d’analyser le modèle Gershwin afin de faciliter son couplage avec
le logiciel G-homeTech. L’idée était d’identifier les entrées et les sorties nécessaires à l’insertion
de G-homeTech et de créer un modèle thermique d’une pièce de la maison.
La première phase a consisté à prendre en main l'environnement de simulation et le modèle de
bâtiment du CSTB. La seconde phase a été de construire des modèles de comportement,
suffisamment simples pour pouvoir être intégrés dans un gestionnaire énergétique. La pièce de la
maison retenue comporte : un chauffage électrique, une ventilation contrôlée, des persiennes
motorisées, de l'éclairage artificiel et des occupants.

4.3. Découverte et analyse du modèle Gershwin

L’émulateur du bâtiment étudié pour la validation purement virtuelle de G-homeTech est la

maison Gershwin conçue par le CSTB. Dans un premier temps, l’objectif était de prendre en
main le modèle de la maison Gershwin sous Simulink/SimBAD : comprendre comment était
organisée la maison virtuelle, quels étaient les équipements modélisés et enfin localiser les
différentes pièces de la maison ainsi que les variables associées.
La maison Gershwin est composée de 11 pièces réparties sur deux étages et d’un grenier. Les
plans de la maison sont les suivants :

Figure IV-1: Rez de chaussé de la maison Gershwin Figure IV-2: Le premier étage de la maison Gershwin

Sa modélisation sous Simulink/SimBAD à l’allure suivante : 4 blocs principaux relatifs à des

aspects différents de la maison (voir Figure IV-3).
• Le bloc Controllers contient les commandes des équipements. Dans le cas du couplage
«GHomeTech-Gershwin», seule la commande des équipements suivant sera prise en
compte:
- Com_electric_heaters : commande de la puissance des chauffages électrique de la maison.

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 104

-1Com_ lighting : commande des lumières (ON/OFF).

Figure IV-3 : 4 blocs principaux relatifs à des aspects différents de la maison Gershwin

21Blind_position : commande de l’ouverture des stores de chaque fenêtre.

21Vent com : commande du débit de la ventilation.
21Com_dimmer : contrôle de l’intensité lumineuse des lampes (variateur d’intensité).

• Le bloc Systems décrit le fonctionnement des équipements de la maison. La maison du

CSTB est équipée d’un certain nombre d’équipements tels qu’une pompe à chaleur, une
chaudière à gaz, un plancher chauffant au rez-de-chaussée, des panneaux solaires
thermiques et photovoltaïques… Ainsi, ce bloc est lui même composé de 4 blocs
regroupant et modélisant le fonctionnement des différents équipements:
- Hydraulic Network : comprend la modélisation du réseau hydraulique de la maison. Cet aspect
n’est pas pris en compte dans G-homeTech.
- Electric Heater : ce bloc correspond à une S-fonction, c'est-à-dire que le modèle des chauffages
utilisés est directement codé dans un fichier MATLAB (m file). Dans ce cas, le modèle n’est pas
accessible car il correspond à un ordre binaire fermé.
- Artificial lighting : il s’agit d’une S-fonction modélisant l’éclairage de la maison.
- Mechanical Extract ventilation : ventilation simple flux.

• le bloc Multi-zone building : contient la description de la maison et calcule la

température, le taux de CO2 et l’éclairage de chaque pièce grâce à une S-fonction réalisée
par le CSTB. Il contient également le modèle du plancher chauffant (heating floor).
• le bloc Sensors calcule la température indiquée par un capteur placé dans chaque pièce.

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 105

4.4. Etude thermique d’une pièce du modèle Gershwin

Le séjour a été sélectionné car il a l’avantage de posséder des fenêtres sur deux orientations
(Nord et Sud). Ainsi, la commande des stores parait plus complexe et donc plus intéressante. De
plus, comme c’est la pièce principale, le profil d’occupation y est plus varié.
Une analyse des variables d’influences a été réalisée. Cette étude constitue un travail
préalable à l’élaboration d’un modèle thermique du séjour. En effet, elle consiste à étudier
l’influence des différents éléments (occupation, ventilation, éclairage et températures des pièces
avoisinantes) sur la température et la puissance de chauffe du séjour. Par exemple, les Figure IV-
4-6-7 permettent de constater l’impact de l’éclairage artificiel et de l’ouverture des stores
(éclairage naturel) sur le séjour dans 3 situations (voir Figure IV-4).
NB : les courbes correspondent à la journée du 2 janvier.

Puissance de chauffe du Séjour : sans éclairage: stores fermés et

lumières éteintes
Température de séjour avec éclairage naturel uniquement (stores
Puissance de chauffe du Séjour avec éclairage naturel uniquement ouverts et lumière éteinte)
(stores ouverts et lumière éteinte)
Température de séjour avec lumière artificielle seulement (lumière
Puissance de chauffe du Séjour avec lumière artificielle seulement constamment allumée et stores fermés).
(lumière constamment allumée et stores fermés).
Figure IV-4 : Influence de l’éclairage sur la puissance Figure IV-5 : Influence de l’éclairage sur température
de chauffe du séjour de chauffe du séjour
Luminosité artificielle Luminosité naturelle

Figure IV-6 : Luminosité naturelle et artificielle du séjour

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 106

On observe que l’éclairage artificiel permet de réduire la puissance du chauffage de plus de

500W dans notre cas (soit 25% de sa puissance utile pour une puissance électrique d’éclairage
artificiel de 340W) tout en conservant une température de 20°C dans le séjour. De plus, lorsque
l’on bénéficie de l’éclairage naturel, il n’est plus utile de chauffer le séjour au milieu de la
journée pour obtenir une température supérieure à 20°C. On peut également noter que, durant la
nuit, la puissance de chauffe est un peu plus importante (environ 50W supplémentaire) si les
stores sont ouverts (courbe verte) plutôt que fermés (courbe bleue). Ceci est probablement dû
aux déperditions thermiques plus importantes lorsque les stores sont ouverts. En effet, pendant la
nuit, l’écart de température entre l’intérieur du séjour, chauffé à 20°C et l’extérieur est plus
important. Lorsque les stores sont fermés, ils constituent une couche supplémentaire permettant
d’améliorer l’isolation, ce qui est évident.

Un autre point important pour l’élaboration du modèle thermique est l’étude de l’influence
des pièces voisines. En effet, le séjour est en contact avec de nombreuses pièces, que ce soit par
les murs ou le plancher du 1er étage. Cette étude a conduit à la conclusion que les températures
des pièces voisines ont une influence très négligeable. Ceci est notamment dû à la faible surface
en contact avec le séjour mais surtout au fait qu’il y a très peu d’échanges thermiques avec les
pièces voisines car les températures régulées sont très proches. Les plus influentes sont la cuisine
et les deux chambres (1 et 4).

En définitive, cette première partie a permis d’analyser le modèle Gershwin : identifier les
variables qui devront être utilisées pour coupler ce modèle au logiciel G-homeTech, choisir une
pièce adaptée et intéressante pour la gestion énergétique ainsi que donner des éléments
importants pour l’élaboration du modèle thermique. Il s’agit désormais d’élaborer un modèle
thermique simple relatif au séjour de la maison Gershwin.

4.5. Architecture du cas d’application

La Figure IV-7 illustre le couplage entre le gestionnaire énergétique G-homeTech et la maison

Gershwin développée par CSTB. Comme dans le chapitre précédent, G-homeTech a été intégré à
l'environnement de simulation HOMES comme une fonction de bloc Matlab / Simulink. Cette
section décrit le type de données requises pour installer et exécuter G-homeTech.

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 107

Figure IV-7: Couplage G-homeTech et la maison virtuelle Gershwin en MATLAB/Simulink

Le schéma ci-dessous résume les entrées/sorties nécessaires:

Figure IV-8: Relations d’entrées/sorties entre la fonction G-homeTech et l’émulateur Homes.

4.5.1. L’émulateur de bâtiment et le modèle thermique

Nous avons étudié et analysé un modèle de bâtiment virtuel : la maison Gershwin. Le but était
de concevoir un modèle électrique équivalent du modèle thermique de Gershwin et qui
calculerait la température intérieure du séjour de la maison virtuelle à partir des autres données
disponibles (la température d’extérieur, le flux solaire…).

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 108

Le deuxième objectif consistait à élaborer un modèle thermique simple représentatif du séjour

de Gershwin, pouvant être intégré par la suite dans G-HomeTech.

Une analogie électrique permet de modéliser les phénomènes thermiques d’un bâtiment. Les
différentes températures sont analogues à des tensions, les flux de chaleur sont assimilés à des
sources de courant, l’inertie des murs à des capacités et les résistances thermiques des murs à des
résistances. Les 4 modèles de zone thermique suivants ont été comparés :
Rv Rv

Rmext Tm Rmint Rmext Tm Rmint

Tint Tint

Rpieces Rpieces

Tpieces Cm Tpieces Cm C0
Rsol Rsol

Tsol 3lum
equip 3chauff
chauf 3occ
occ Tsol 3lum
equip 3chauff
chauf 3occ
7 parameters occ
6 parameters

model 1 model 2
Rv Rv

11 parameters
Rmext Tm Rmint Rmext Rmint
Tint Tm Tint
Cm
Rpieces
Rpext Rpint
C0 Tpieces Cm
Tpieces Cmp Rsol
Rsext Rsint 3lum 3chauff 3occ 2 1 3lum 2 23chauff2 3 3occ
equip chauf occ Tsol equip chauf occ
Tsol 9 parameters
Cms

model 3 model 4

Figure IV-9: 4 types de modèle thermique d'une pièce

Pour ces 4 modèles, la température Tpiece est la température moyenne des chambres adjacentes
qui est supposée constante du fait de la régulation. La température Tsol représente la température
moyenne du sol et Text la température extérieure.
-Modèle 1 : Premier modèle élaboré, d’ordre 1 avec 3 températures. C’est le modèle le plus
simple parce que l’inertie des murs est globalisée.
-Modèle 2 : Modèle d’ordre 2 qui ajoute un deuxième condensateur Co au modèle 1 qui
représente la capacité du mobilier.
-Modèle 3 : Modèle d’ordre 4 : une capacité par mur plus Co pour le mobilier.
-Modèle 4 : Modèle 1 auquel on a ajouté les 3 coefficients devant les apports externes
(éclairage, chauffage et occupation) pour simuler des pertes.

L’idée est désormais de faire coïncider la température calculée par le modèle thermique
précédent avec la température du séjour issu de la simulation Gershwin. Pour cela, un
programme d’optimisation sous MATLAB développé au sein du laboratoire G-SCOP a été

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 109

utilisé (voir annexe 2). Ce programme permet de déterminer les paramètres optimaux du modèle
électrique permettant de minimiser l’écart entre la température intérieure calculée avec le modèle
et celle simulée. Dans ce cas, il s’agit de Rmint, Rmext, Rv, Rsol, Rpieces, Cm et Tsol.

L’erreur entre la température donnée par le modèle et la température de la simulation de

référence de Gershwin a ensuite été tracée pour avoir une idée des différents minimums existants
ainsi que de la probabilité à les obtenir en fonction de l’initialisation. Ceci conduit aux
graphiques suivants :

Décrochement

Minimum local

Minimum global

Figure IV-10: Estimation de l’erreur moyenne entre la température issue du modèle et la température du Gershwin
obtenue pour 1000 paramètres initiaux.
L’axe des x = numéro de simulation pour des paramètres initiaux tirés au hasard. Les numéros
de simulations ont été organisés des meilleurs résultas au moins bons.
Complexité de modèle (Nombre
de condensateurs et coefficient

4 capa + 0 coef M3

2 capa + 0 coef
M2
1capa + 3 coef M4
1capa + 0 coef M1

Erreurs des résultats

Figure IV-11 : comparaison des résultats entre les 4 modèles thermiques

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 110

Après cette analyse, le modèle 1 apparaît comme le plus avantageux parce que c’est le modèle
le plus simple à mettre en place et à l’intégrer dans un gestionnaire énergétique comme G-
homeTech. C’est en effet, un modèle de premier ordre alors que les modèles 2 et 3 sont
respectivement d’ordre 2 et 4. De plus, le nombre de paramètre à optimiser est également mois
important pour ce modèle ce qui facilite l’optimisation et augmente les chances de trouver des
paramètres cohérents. D’après ces résultats, le modèle 1 possède un minimum global (voir
Figure IV-10) (erreur minimale) pour un grand nombre des paramètres initiaux.

1lum 1chauff 1occ

Figure IV-12: Le modèle électrique équivalent au modèle thermique de séjour de Gershwin

La résistance Rv modélise la ventilation ainsi que la perméabilité du bâtiment (Figure IV-12).

Les parois sont caractérisées par un couple (Rm, Cm). Cependant, dans ce modèle simplifié, tous
les murs sont représentés par une même inertie (On a donc un unique condensateur pour
l’ensemble des parois).
Ce modèle se traduit par le système d’équations suivant :

dTm Tint Tpièces Tsol T 1 1 1 1

= + + − m ×( + + + )
dt C m R mext C m R pièces C m R sol C m R min t R mext R pièces R sol (IV-1)

R min t R v Tm T
Tint = × (Φ lum + Φ chauff + Φ occ + + ext )
R min t + R v R min t Rv

C’est un modèle du 1er ordre avec cinq variables d’entrée :

- lum : Puissance lumineuse fournie au séjour par l’éclairage (W).
- chauff : Puissance électrique du chauffage (W). Les pertes thermiques du chauffage
sont considérées comme négligeables dans un premier temps.
- occ : Chaleur produite par les occupants sachant que l’on considère que chaque
occupant produit 80W de chaleur en moyenne.
- Text : Température extérieure
- Tpièces : Température des pièces adjacentes. Dans ce cas, c’est la moyenne des
températures de la cuisine, des chambres 1 et 4. En effet, une analyse de sensibilité a
montré que la température des pièces voisines a un impact mineur sur la température du
séjour seule température.

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 111

Une fois l’environnement global de Gershwin maîtrisé, il a fallu entrer plus en détail dans le
modèle. Tout d’abord, le système de commande du CSTB de chaque équipement a été étudié :
identification des paramètres d’entrées et de sorties, de la plage de variation du signal de
commande ainsi que des variables et paramètres pris en compte lors du contrôle des
équipements. Ensuite, il a fallu déterminer et localiser précisément les variables nécessaires à G-
homeTech pour calculer les commandes de gestion optimales.

Afin de faciliter le couplage « G-homeTech-Gershwin », des ports ont été ajoutés dans la
commande du radiateur électrique. Ils correspondent aux points où les sorties de G-homeTech
devront être reliés.

Figure IV-13: Système de commande de radiateur électrique de Gershwin

4.5.2. L’émulateur de bâtiment et les modèles électriques

La maison de Gershwin ne disposait pas d’équipements électriques que G-homeTech peut
contrôler comme un réfrigérateur, une machine à laver ou un lave-vaisselle. Nous avons donc dû
modéliser ces équipements sous MATLAB/Simulink et les ajouter au modèle de la maison
virtuelle. Nous avons négligé l’influence de ces équipements sur la thermique de la pièce de
séjour. Le cas d’application comporte : une source PV et le réseau électrique, ainsi que les
charges suivantes :

Equipements Puissance Nombre La commande Interruptible

nominale (W)
Radiateur séjour 3000 1 Température de oui
consigne/ON_OFF
Radiateur cuisine 1500 1 Température de oui
consigne/ON_OFF
Radiateur chambre 4 1500 1 Température de oui
consigne/ON_OFF
Le réfrigérateur 150 1 Température de oui
consigne/ON_OFF
La machine à laver 2000 1 Temps de démarrage Non
La lave vaisselle 2200 1 Temps de démarrage Non
Les charges non Variable durant la plusieurs Pas de commande Non
contrôlées journée

Tableau IV-1 : Les charges électriques utilisées pour la validation

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 112

Figure IV-14 : Rez de chaussé de la maison Gershwin avec l’ajout des équipements électriques

[Link]. Modèle du réfrigérateur/congélateur

Le réfrigérateur et le congélateur sont des services thermiques dont les modèles sont proches
ceux d'une pièce avec radiateur, mais sans apport gratuit. Le réfrigérateur est régulé en « tout ou
rien », c'est-à-dire qu’il est soit à l’arrêt (P = 0 W), soit à puissance maximale (P = Pmax). Soit
« tfroid » la période de fonctionnement à Pmax (production de froid) et « tchaud » la période d’arrêt
(la température à l’intérieur augmente), le modèle est :
• Sur la période « tfroid » :

d (Tin − Tout )
= − (Tin − Tout ) + Pmax
1 k (IV-2)
dt 2 2
Avec :
Tin : Température à l’intérieur du réfrigérateur [°K]
Tout : Température à l’extérieur du réfrigérateur (température de la pièce) [°K]
k : Facteur de production de froid du réfrigérateur (caractéristique intrinsèque)
1 : Constante de temps du réfrigérateur [s] tel que 2 = R × C avec « R » en [°K / W], la résistance
thermique et « C » en [J / °K], la capacité calorifique du réfrigérateur. Nous avons pris une
constante de temps moyenne.
Pmax : Puissance maximale du réfrigérateur [W]
En intégrant on obtient :
(IV-3)
−
Tfroid
6 T
− froid 3
Tref − ∆t − Tout = e 2
× (Tref + ∆t − Tout ) + k × 441 − e 2 1 × Pmax
1
5 2
avec :
Tref : Température de consigne à l’intérieure du réfrigérateur
∆t : Variation de température maximale autorisée pour la commande par hystérésis (ici = 1°K)
• Sur la période « tchaud » :
d (Tin − Tout )
= − (Tin − Tout )
1
(IV-4)
dt 2

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 113

En intégrant on obtient :
Tchaud (IV-5)
−
Tref + ∆t − Tout = e 2
× (Tref − ∆t − Tout )

Le système de gestion de l’énergie calcule la température de consigne et l’impose au système.

Le modèle fourni les périodes de fonctionnement « Tfroid » et « Tchaud » en fonction de la
consigne, de la température de la pièce dans laquelle se situe le réfrigérateur, et les paramètres
intrinsèques du réfrigérateur. La Figure IV-15 montre le modèle Simulink du réfrigérateur et la
Figure IV-16 présente un cycle de fonctionnement de l’appareil.

Figure IV-15 : Modèle Simulink du réfrigérateur Figure IV-16 : Schéma d’un cycle du réfrigérateur

Dans G-homeTech, les services permanents (le chauffage et le réfrigérateur) sont eux aussi
des modèles du premier ordre par contre ils ne représentent pas le contrôle local qui existe dans
les modèles de simulation via un hystérésis ou bien un PID (voir Figure IV-17).

Figure IV-17: Modélisation du service permanent dans G-homeTech

[Link]. Modèles des services temporaires

Les modèles de simulation de la machine à laver et du lave-vaisselle utilisent des valeurs de la
puissance active mesurées dans des conditions réelles de fonctionnement d’une vraie machine
(Figure IV-18). Les entrées des modèles de ces deux machines sont le temps de simulation et le
contrôle envoyé par G-homeTech sous la forme d’un instant de démarrage. Ces modèles font la
comparaison entre le temps actuel et le temps de contrôle pour activer la machine à laver une fois
que les deux temps coïncident, les valeurs de la puissance active sont lues dans d’un fichier
MATLAB.

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 114

Type : machine à laver Type : Lave-vaisselle

Marque : Bauknecht Marque : Whirlpool
Référence : WA4562-1200 Référence : ADG941
Cycle : 60 ° lavage du coton- 1200 rpm tours Cycle : Lavage quotidien
- rincer – mode économique Durée de : environ 1h:45
Durée de : environ 1h:45 cycle
cycle

a) La description de la machine à laver b) La description de la lave vaisselle

2500 2500

2000 2000

Power (W)
Power (W)

1500 1500

1000 1000

500 500

0 0

0
285
570
855
1140
1425
1710
1995
2280
2565
2850
3135
3420
3705
3990
4275
4560
4845
5130
0
370
740

1110
1480
1850
2220
2590
2960

3330
3700
4070
4440
4810
5180

5550

5920

Time (Second) Time (Second)

c) Puissance active consommée par la machine à laver d) Puissance active consommée par lave vaisselle

Durée de Puissance Cycle time Power (W)

cycle (W) (mn)
(mn) Durée moyenne de 105 **
Durée moyenne de 90 ** cycle
cycle Lavage avec l’eau 35 2200
chaude
Chauffage de l’eau 20 2000 Rinçage à froid 40 150
Lavage et rinçage 40 150
Rinçage à chaud + 30 2200
Essorage 30 300
séchage

e) caractéristiques de la machine à laver f) caractéristiques de la lave vaisselle

Figure IV-18 : caractéristiques des services temporaires

Comme le montre, respectivement la Figure IV-18-c/d, la machine à laver et le lave-vaisselle

possèdent tous les deux 3 cycles de fonctionnement avec des durés et des appels de puissance
active différents. Pratiquement, le report de fonctionnement des équipements temporaires est
réalisé ainsi : lorsque l'utilisateur appuie sur le bouton ON / OFF, le système de la machine le
détecte, bloque la machine et enregistre la demande.

Il faut noter qu’il y a une différence entre ces modèles de simulation existant dans l’émulateur
de bâtiment et ceux utilisés par le gestionnaire énergétique G-homeTech. En effet, ce dernier
utilise un modèle avec un seul cycle de fonctionnement (puissance moyenne) (Figure IV-19).

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 115

Figure IV-19: Modélisation de service temporaire dans le G-homeTech.

4.6. Scénarios de gestionnaire énergétique

Pour valider le bon fonctionnement du système de gestion énergétique dans un bâtiment, il
faut réaliser deux scénarios différents : avec ou sans le système de gestion. La comparaison de
ces deux scénarios s’appréciera par rapport à la totalité de l’énergie consommée et au coût de
cette énergie. Dans tous les tests qui suivent, nous avons considéré le même modèle de bâtiment
avec les mêmes équipements.

4.6.1. Simulation sans G-homeTech

Dans ce scénario, l’utilisateur ne reçoit pas les informations de puissance réelle disponible
ainsi que sa production locale d’énergie. Les seules informations disponibles pour lui sont la
prédiction météorologique ainsi que le tarif de l’électricité pour le lendemain. Même si le
consommateur savait d’avance le prix de l’énergie prédit, il y a toujours le risque de ne pas éviter
les pics de prix. Il est difficile de gérer seul tous les appareils de la maison.

Ainsi, une première simulation était faite sans connecter le SGEB à la maison virtuelle.
L’occupant répond à son seul confort thermique indépendamment du prix de l’énergie. Par
exemple la température optimale choisie durant la journée pour les trois chambres est
Topt(1)=Topt(2)=Topt(3)=21°C et pour le réfrigérateur Topt=2°C. Pour le même jour, la mise
en marche de la machine à laver est choisi à 8h le matin de sorte que le temps de fin demandé par
l’occupant soit 10h (fopt(WM)=10h) pour une durée de fonctionnement D(WM)=2h. Concernant
la lave vaisselle, fopt(DW)=22h, ce qui donne un temps de démarrage égale à 20h pour une
durée de fonctionnement D(DW)=2h (Figure IV-20).
Le temps de fin de fonctionnement de la Le temps de fin de fonctionnement de
machine à laver la lave vaisselle
Satisfaction

10h 22h

Figure IV-20 : Préférences des dates de fin des services temporaires

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 116

4.6.2. Simulation avec G-homeTech

Dans ce scénario, la maison Gershwin sera connectée à G-homeTech. On garde le même
scénario que précédemment sans G-homeTech. Dans les fichiers [Link] et [Link] (voir
chapitre 2), nous indiquons les mêmes préférences concernant les températures dans les
chambres et la date de démarrage des services temporaires choisies par l’occupant dans le
scénario précédent (Figure IV-22).
En revanche, nous ajoutons d’autres données nécessaires pour le calcul des consignes de
commandes (voir Figure IV-21) comme les profils d’occupation pour chaque chambre, la
température extérieure, ainsi que le type de contrôle (directe ou par le coût en choisissant un prix
de rachat de l’énergie fixe ou bien variable).

Figure IV-21: Donnée échangé entre G-homeTech et l’émulateur de bâtiment

Dans cette application, nous avons le même objectif que [MOHS, 10]. Notre stratégie de
gestion vise à minimiser la facture d’électricité par une gestion anticipative optimisée du
fonctionnement de chaque appareil, en prenant en compte les demandes des occupants. Notre
scénario se base sur une courbe de prix d’achat de l’électricité anticipée qui varie avec un pas
d’une heure durant une journée. Cependant, la stratégie de contrôle dans [MOHS, 10] est basée
sur la tarification en temps réel (RTP). [MOHS, 10] montre un résultat intéressant : le gestion de
la charge résidentielle peut être basée sur un prix d’électricité anticipé plutôt que sur un prix réel.
En effet, il n’y a pas beaucoup de différence dans la facture d’électricité pour les deux stratégies.

Le gestion des charges dans [PENG, 11] est basée sur une prévision du prix de l’électricité et
de la consommation compte tenu des demandes des occupants. Il s’agit de répondre à objectif
d’optimisation tel que minimiser le coût ou bien maximiser le confort. La formulation du

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 117

problème d’optimisation dans [PENG, 11] est décrite en utilisant seulement un chauffe-eau
électrique. Cependant, dans notre étude nous généralisons la gestion à un ensemble d’appareils
électriques comme les chauffages électrique, les lave-linges, les lave-vaisselles, les réfrigérateurs
qui représentent 70% de la consommation résidentielle totale [RTE, 11]. En outre, dans ce
travail, il est possible de contrôler à distance les appareils avec le système de gestion via des
équipements communiquants.

Le contrôle réactif dans [PENG, 11] se fait en fonction du prix réels du marché d’électricité
en temps réel. En revanche, dans notre étude, l’ajustement en temps réel via le contrôle réactif se
fait en fonction de la puissance totale disponible (la production PV) et de la puissance réelle
consommée.
La température préférée dans La température préférée dans La température préférée dans
le salon la cuisine la chambre 4

Température (°C) Température (°C) Température (°C)

La prévision de la présence de La prévision de la présence de La prévision de la présence de

l’occupant dans le salon l’occupant dans la cuisine l’occupant dans chambre 4

1 3 5 7 9 11 13 15 17 19 21 23 1 3 5 7 9 11 13 15 17 19 21 23 1 3 5 7 9 11 13 15 17 19 21 23

Temps Temps Temps

(Heure) (Heure) (Heure)

Figure IV-22 : Températures préférées (fonctions de satisfaction) pour les chambres ainsi que les profils
d’occupation

[Link]. Contrôle par le coût sans le mécanisme de gestion réactif

Avec cette stratégie de contrôle par le coût, les tarifs de l’électricité qui varient avec le temps
selon la disponibilité de l’énergie sont pris en compte. Avec cette approche, c’est au
consommateur de décider s’il va ou non modifier son comportement en tenant compte des prix
de l’énergie. Parfois, les clients préféreront peut-être favoriser le confort et non pas changer leur
consommation. Parfois, ils préfèrent régler l’utilisation de leurs appareils à un niveau préféré. Ils
sont libres de décider, mais ils doivent être impliqués dans la gestion de leur consommation.
Pour chacun de ces deux scénarios, il existe deux sous-scénarios :
- Le premier, quand les contraintes d’optimisation ainsi que les données prédites sont
respectées. Dans ce cas là, les valeurs réelles de consommation et de production peuvent
coïncider avec celles qui étaient prévues et prises en compte dans G-homeTech. Le plan

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 118

anticipatif est respecté et la solution calculée (signaux de consignes pour les 24 prochaines
heures) est transmise sans modification aux équipements de la maison virtuelle.
- Pour le second sous-scenario, le plan anticipatif calculé ne sera pas respecté et les
contraintes prises en compte par l’optimisation seront violées. Cela permet de tester le rôle de la
gestion réactive qui va délester un certain nombre de charges pour respecter la puissance totale
fournie disponible.

Un profil de prix de l’énergie (Figure IV-23) qui peut être issue du fournisseur d’énergie est
ajouté dans [Link].
0.3

0.25
Prix de kW/h

0.2

0.15

0.1

0.05
0 2 4 6 8 10 12 14 16 18 20 22 24
Temps (heure)

Figure IV-23: Prix d’achat d'électricité

Dans ce sous scénario, G-homeTech contrôle les équipements et les charges de la maison
Gershwin présentés dans la Figure IV-21. Conformément aux exigences des consommateurs, aux
données météorologiques réelles et prédites, à la consommation réelle et au prix d'achat prévu, le
gestionnaire formule un problème selon les objectifs d'optimisation pour effacer ou déplacer la
demande d'électricité à des périodes plus bénéfiques (par exemple, les nuits ou au prix d'achat
minimum).
Nous avons conservés les mêmes préférences que dans le premier scénario. La solution
donnée dépend du choix de l’occupant : favoriser le confort thermique ou bien choisir de
favoriser le critère économique.

[Link]. Contrôle par le coût avec le mécanisme de gestion réactive

Ce scénario vise à évaluer le rôle de la couche réactive en changeant le rayonnement solaire
(la puissance PV produite localement) et le profil de consommation des services non-
contrôlables (Figure IV-28-a/b). Dans ce sous-scénario, le critère économique est préféré. La
solution calculée par le gestionnaire doit, normalement éviter les pics de prix tout en respectant
les contraintes.

4.7. Résultats de simulations et discussions

4.7.1. Cas sans G-homeTech

Cette simulation montre clairement l’influence des paramètres d’entrée du modèle thermique
des pièces de la maison Gershwin comme l’éclairement (la somme de l’éclairage artificiel et
naturel) ou le nombre d’occupants (le profil réel des occupants) sur le comportement thermique

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 119

et la température intérieure de chaque pièce (voir Figure IV-24-occupation et Figure IV-24-

lighting power).

La Figure IV-23 montre qu’il existe deux pics de prix au cours de la journée et le prix le plus
élevé de l’énergie est à 20h avec 0,26€/kWh. Ce profils est imaginé afin de contrôler « l’énergie
Smart Home » via un prix variable qui est le second scénario.

4.7.2. Cas avec G-homeTech

Dans tous les résultats de simulation de ce scénario, les données météorologiques et les
données réelles (température extérieure et le rayonnement solaire) et le prix de rachat
d’électricité prédit ne sont pas changés.

Pour favoriser le confort thermique (le premier sous scénario), le SGEB garde la valeur de
température de consigne la plus proche possible à 21°C, celle préférée par l’occupant pour les
trois pièces (cas 2 dans Figure IV-24) et pour le réfrigérateur le plus proche de 2°C (Figure IV-
25). En plus, les instants de démarrage des services temporaires restent le plus proche possible de
ceux demandés (Figure IV-20). Pour favoriser le confort, l’usager doit payer plus et pour
minimiser le coût, il doit réduire son confort pour consommer différemment.
La température préférée par l’occupant est fixée à Topt =21°C. La température minimale et
maximale à ne pas dépasser sont respectivement, Tmin=19°C et Tmax=24°C pour les trois
chambres.

La différence entre les deux sous-scénarios (Figure IV-24-cas2 et Figure IV-24-cas3) peut
être constatée au niveau des comportements thermiques des trois chambres à 20h le soir pendant
la période du pic de consommation et de prix de l’énergie. Pour conserver le confort thermique
(cas 2), le gestionnaire envoie une température de consigne égale à celle préférée par l’occupant
Topt =21°C malgré le prix de l’énergie élevé. Par contre, pour le cas 3 (minimiser le prix), le
gestionnaire a réduit la température de consigne à 8h pendant une heure pour ; Tmin =19°C.

Même constat pour le réfrigérateur (Figure IV-25). La température demandée par l’occupant
est Topt t =21°C. La solution proposée par le gestionnaire à 20h est d’envoyer une température de
consigne égale à la température maximale choisi par l’occupant Tmax=4°C, pour réduire la
consommation à cette période de temps. Pour corriger cette violation de la satisfaction au niveau
du réfrigérateur, une température de consigne égale à la température minimale Tmin=0°C a été
envoyée pour maintenir le température préférée.

La Figure IV-26 montre la différence entre les cas test 2 et 3 concernant les services
temporaires. G-homeTech démarre la machine à laver et le lave vaisselle respectivement à 8h le
matin et à 20h le soir dans le cas 2 (confort favorisé) malgré les prix élevés de l’énergie à ces
deux périodes de la journée. Il conserve les heures de fin des deux machines égales à celles
demandées fopt(WM)=10h et fopt(DW)=22h. Cependant, en choisissant de minimiser le coût

Université de Grenoble INP 2012

 Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 120

(cas 3), la même figure montre que le gestionnaire d’énergie décale le fonctionnement des deux
appareils en heures creuses, en réduisant avec cette solution non seulement le confort de
l’occupant mais aussi le coût énergétique.

Séjour Cuisine Chambre 4

22 21.5 21.5
(a) (b) (c)

Temperature (°C)
Temperature (°C)

Temperature (°C)
21.5
Cas 1

21 21 21
20.5
Living Room
Kitchen 21 Room4
20
20.5 20.5
20
22 22 19 22
(c)
Temperature (°C)

(b)

Temperature (°C)
6 7 8 9
Temperature (°C)

21 21 21
Cas 2

20 20 20

19 (a) 19 19

22 22 24
(b) (c)
Temperature (°C)

Temperature (°C)
Temperature (°C)

23
21 21
22
20 21
Cas 3

20
20
19 (a) 19 19

Température de référence envoyée par le SGEB Température de référence envoyée par le SGEB Température de référence envoyée par le SGEB
Température Tin à l’intèrieur de la pièce reçu Température Tin à l’intèrieur de la pièce reçu Température Tin à l’intèrieur de la pièce reçu
par le SGEB par le SGEB par le SGEB
4 2 2
(a) (b) (c)
Power (KW)

3 1.5 1.5
Power (KW)
Power (KW)

2
1 1
1
0.5 0.5
0
0 0

P. consommé par le radiateur dans le cas1 P. consommé par le radiateur dans le cas1 P. consommé par le radiateur dans le cas1
sent by EMS
P. consommé par le radiateur dans le cas2 P. consommé par le radiateur dans le cas2 P. consommé par le radiateur dans le cas2
Luminosité (Lux)

800 800 800

(a)
Light power(W)

Light power(W)
Light power(W)

600 600 600

400 400 400
200 200 200
0 0 0

1
(a) 4
Occupant Number

4
Occupant Number

Occupant Number

0.5
occupation

2 2 0

-0.5
0 0

0 5 10 15 20 25 -1
0 5 10 15 20 25 0 5 10 15 20 25
Time (Hour) Time (Hour) Time (Hour)
Profil d’occupation anticipé donné par SGEB Profil d’occupation anticipé donné par SGEB Profil d’occupation anticipé donné par SGEB
sent by EMS Profil réel d’occupation donné par Gershwin sent byréel
EMS
Profil réel d’occupation donné par Gershwin Profil d’occupation donné par Gershwin

Figure IV-24: Résultats de simulation thermique des radiateurs

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 121

Température (°C) (a)

Température de consigne
Température à l’intérieur de réfrigérateur

Temps (heure)
Température (°C)

Température de consigne
Température à l’intérieur de réfrigérateur

Temps (heure)

Figure IV-25: le comportement de réfrigérateur dans Figure IV-26: le comportement des machines
temporaires: lave vaisselle (a) et machine à laver (b)
case1/2 (a) and case 3 (b)
dans le case 1/2 et case 3.

Anticipated
Coût globalglobal cost (Confort
anticipé (comfort is
nonnotpréféré)=1,
preferred)=1,86€
86€
Coût global
Anticipated anticipé
global cost (Confort préféré)=2,7€
(comfort is preferred)=2,7€
Le coût global. €
1,4
1,2
1
0,8
0,6
0,4
0,2
0
-0,2
-0,4
-0,6
1 3 5 7 9 11 13 15 17 19 21 23

Temps (heure)

Figure IV-27: Coût globale dans le cas 2 et 3.

La Figure IV-27 permet de conclure sur le coût de l’énergie dans les deux cas 2 et 3. Si le
confort du consommateur est préféré, le coût global de l’énergie durant 24h est de 2,7€ selon le
profil du prix de la Figure IV-23. Par contre, si l’occupant choisi de réduire sa facture
d’électricités en gardant le minimum de confort, il peut économiser 0.84 €/jour et il ne paye que
1,86€.

Jusqu'à présent, les résultats de simulation obtenus sont pour des conditions réelles égales à
celles prédites. Cela signifie que les données météorologiques réelles et la consommation réelle
des services non-contrôlables sont les mêmes que celles des prévisions. Dans ce qui suit, nous
allons imaginer un autre scénario qui fait la différence entre la prévision et la réalité. Dans ce
scénario, la production d'énergie photovoltaïque est réduite entre 10h et 12h (voir Figure IV-28-
a). En outre, la puissance non-contrôlable réelle est différente de celle prédite et elle dépasse la
puissance souscrite Pres = 6.5KW à 20h (voir Figure IV-28-b).

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 122

2 (a) 10 (b)
Anticipated PV production Real PV production NonControllable real Power
1.5 Non controllable anticipated power

Power (KW)
Power (KW)

1 5

0.5 1

0
0 0.5

0
(c) (d)
EMS Heater control

EMS Heater control

1 1

0 0
Room 4 Living room

24 (e) 23 (f)
Temperature (°C)

Tin Living room

Temperature (°C)
Tin Room 4
22
22 Topt Room 4 sent by EMS Topt Living room sent by the EMS
21
20 20
19
18

(h)
EMS Heater control

(g)

EMS control
1 1

0 0
Kitchen Fridge

23 Tin kitchen (i) 6 Tin Fridge (j)

Temperature (°C)
Température (°C)

Topt kitchen sent by EMS Topt fridge sent EMS

22 4

21 2

20 0
Fridge
19 -2
0 5 10 15 20 25
0 5 10 15 20 25 Time (Hour)
Time (Hours)

Figure IV-28: Résultats avec contrôle réactive

Le reste de la Figure IV-28 résume les résultats de ce dernier scénario. Lorsque la puissance
photovoltaïque produite localement est réduite, la consommation totale dépasse la puissance
disponible et nous pouvons voir l’ordre d’arrêter (OFF) envoyé par G-homeTech au radiateur de
la chambre 4. La Figure IV-28-c montre la coupure de l'appareil de chauffage deux fois dans la
journée: entre 11h et 12h lorsque la production PV n'est pas suffisante et la consommation totale
dépasse la puissance disponible et entre 20h et 21h lorsque la consommation dépasse
l’abonnement de 6,5kW. Dans cette période de temps, le gestionnaire a délesté tous les appareils
électriques contrôlables Figure IV-28-c/d/g/h.

Parfois, l’ordre d’arrêt (le OFF) montre qu’il peut y avoir une phase de commutations non
désirées lorsque le gestionnaire change rapidement le contrôle et oscille entre marche et arrêt. Le
problème vient de la stratégie de gestion réactive actuellement implémentée dans le gestionnaire.
En effet, à chaque minute (le temps d’échantillonnage de la couche réactive) la gestion réactive
compare la quantité d’énergie consommée avec celle disponible. Par exemple, lorsque le
radiateur est arrêté (Figure IV-28-c), la puissance consommée est inférieure à celle disponible.
Le gestionnaire envoie donc un ordre de marche ou de démarrage (ON). A cet instant, il calcule à

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 123

nouveau la somme de la puissance consommée qui, cette fois-ci dépasse la puissance disponible,
il envoie donc un ordre d’arrêt (OFF) et ainsi de suite. Pour résoudre ce problème et limiter cette
oscillation, une hystérésis dans la couche réactive devrait être ajouté pour diminuer la sensibilité
et créer une marge de puissance de sécurité dans le cas où l’on veut garder la même période
d’échantillonnage de la couche réactive.

Un deuxième cas de violation du plan anticipatif apparaît quand la puissance non-contrôlable

réelle est différente de celle anticipée et surtout lorsqu’elle dépasse la puissance souscrite. Dans
cette situation, le gestionnaire décide toujours de délester tous les appareils électriques en
envoyant un contrôle d’arrêt ou une commande de désactivation à 20h. La Figure IV-28-e/f/i/j
montrent que les comportements thermiques des trois radiateurs ainsi que du réfrigérateur ne
suivent pas la température de consigne envoyée par GhomeTech.

Real global cost with Ems (comfort not preferred)=5,9€"""

Coût global avec SGEB (confort non préféré)=5,9€
Real
Coûtglobal
globalcost
avecwith EMS (confort
SGEB (comfortpréféré)=6,43€
preferred)=6,43€
Le coût global. € Real
Coûtglobal
globalcost
sanswithout EMS=7,3€
SGEB=7,3€

2,5

1,5

0,5

-0,5
1 3 5 7 9 11 13 15 17 19 21 23
Temps (heure)

Figure IV-29: Le coût global avec et sans le SGEB

Le coût énergétique global pour les trois cas : cas 1 (sans G-homeTech), cas 2 (avec G-
homeTech mais le confort est préféré et avec gestion réactive) et le cas 3 (avec G-homeTech
mais le critère économique est préféré, toujours avec gestion réactive) est donné par la Figure
IV-29.

Pour résumer le dernier paragraphe (gestion réactive), la puissance totale consommée sans et
avec G-homeTech (critère de confort est préféré) est donnée par la Figure IV-30. La Figure IV-
30-a montre le décalage de démarrage des services temporaires vers des périodes de temps où le
prix est moins élevé. En outre, cette figure montre bien le délestage des appareils dans le cas de
dépassement de la puissance souscrite. La Figure IV-30-b montre clairement la différence de
consommation moyenne entre les deux scénarios.

Université de Grenoble INP 2012

 Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 124

La consommation totale sans le SGEB Prix de rachat anticipé

12 La souscription (a)
Consommation totale avec SGEB
10
(W)
Power (W)
8
Puissance

0
0 2 4 6 8 10 12 14 16 18 20 22 24
10
Puissance totale consommée moyennée Time
sur 1h(Hours)
sans le SGEB
Avreage total power consumption without EMS
8 Puissance totale
Avreage total consommée
power moyennée
consumption sur 1h
without EMSavec le SGEB (b)
Prix de rachat anticipé
Power (KW)

0
0 5 10 15 20 25
Time
Temps (Hour)
(heure)

Figure IV-30: (a) Puissance instantanée consommée sans et avec G-homeTech. (b) Puissance totale moyenne
consommée sans et avec G-homeTech

Nous avons réalisé un dernier test, en modifiant le type de tarification du photovoltaïque sans
mettre de contraintes sur l’abonnement, c’est-à-dire que nous avons fixé une puissance souscrite
qui dépasse largement la consommation. Il y n’aura donc pas de délestage des équipements. La
figure suivante donne la puissance totale consommée dans les deux cas : le tarif Français et le
tarif Allemand.

Cette figure montre bien que dans le cas d’un tarif Allemand, l’autoconsommation est
favorisée. En effet, G-homeTech a décalé le fonctionnement des machines temporaires dans des
périodes d’ensoleillement, pour profiter au maximum de la puissance produite localement.

Profil de charge avec PV français

Profil de charge avec PV allemand
Puissance PV produite localement
Le prix de rachat de l’énergie
Puissance (W )

Temps (heure)
Temps (heure)

Figure IV-31 : Puissance totale consommée dans le cas du contrôle par le coût
dans les deux cas tarif Français et tarif Allemand

Université de Grenoble INP 2012

Chapitre 4 : Validation virtuelle des algorithmes de gestion énergétique de G-homeTech 125

4.8. Conclusion

Le couplage entre le SGEB et le simulateur de bâtiment a été totalement résolu avec un

système de co-simulation virtuelle. Nous avons validé les algorithmes de gestion de G-
homeTech via des scénarios différents qui se basent sur le contrôle par le coût de l’énergie
électrique à travers une co-simulation virtuelle. Nous avons proposé un premier scénario en
effectuant une simulation en fixant nous même les ordres de contrôle pour tous les équipements
selon les demandes des occupants et ses préférences de confort sans tenir compte du prix
variable d’achat de l’énergie. Le SGEB, dans ce cas, n’est pas connecté au simulateur de
bâtiment et à la maison Gershwin. Nous avons obtenu le profil de consommation totale ainsi que
le coût global d’énergie durant une journée. Une deuxième simulation a alors été faite. Cette fois,
les consignes de fonctionnements sont envoyées par le SGEB vers la maison Gershwin en tenant
compte des mêmes demandes des occupants que dans la première simulation, via les fichiers de
configuration de G-homeTech ([Link] et [Link]). Dans cette simulation, le plan
anticipatif est respecté, et la gestion réactive du G-homeTech n’intervient pas. Cette simulation a
révélé une économie de 0.84 €/jour (environ 300€/an).

Or, les données anticipées ne sont pas toujours respectées. Ainsi, une troisième simulation a
été faite en tenant compte de cette situation. La radiation solaire et la consommation totale des
services non contrôlables sont différentes de celles prédites. Cette différence a conduit à des
violations de contrainte de souscription ce qui a activé la gestion réactive du gestionnaire
énergétique qui envoie des ordres de délestage à certains équipements.

Dans tous les cas, si on préfère le confort le gestionnaire énergétique a permit de faire des
économies en évitant les pics de prix et les dépassements de souscription soit par effacement soit
par décalage de fonctionnement des services temporaires dans les périodes où il y a moins de
contraintes.
Dans le chapitre suivant, nous allons valider les algorithmes de gestion du G-homeTech à
travers le système de co-simulation semi-virtuel via une plate forme temps réel hybride.

Université de Grenoble INP 2012

 Chapitre 5

Validation temps réel hybride des algorithmes

de gestion énergétique de G-homeTech
« Ils ne savaient pas que c’était
impossible…alors ils l’ont fait. »

Mark Twain

Sommaire
5.1. Introduction................................................................................................................................127

5.2. Architecture du cas d’application : le banc d’essai ................................................................127

5.2.1. Partie physique ....................................................................................................................128

5.2.2. Partie logicielle....................................................................................................................128

5.3. L’émulateur de bâtiment : modèle thermique ........................................................................129

5.3.1. Comportement thermodynamique.......................................................................................130
5.3.2. Modélisation thermique dans MATLAB/Simulink.............................................................131

5.4. L’émulateur de bâtiment : lien avec G-homeTech .................................................................133

5.5. Scénario 1: Puissance maximale variable ................................................................................135

5.5.1. Description du cas d’étude ..................................................................................................136
5.5.2. Résultats de simulation sans le réactif.................................................................................137
5.5.3. Résultats de simulation avec le réactif ................................................................................139

5.6. Scénario 2 de G-homeTech : contrôle direct ...........................................................................143

5.6.1. Description du cas d’étude ..................................................................................................143
5.6.2. Scénario sans G-homeTech.................................................................................................144
5.6.3. Scénario avec G-homeTech ................................................................................................146
[Link]. Solution anticipée ...........................................................................................................146
[Link]. Résultats de simulation sans le réactif ............................................................................149
[Link]. Résultats de simulation avec le réactif............................................................................152

5.7. Problèmes rencontrées...............................................................................................................155

5.8. Conclusion ..................................................................................................................................156

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 127

5.1. Introduction
Nous allons dans ce chapitre, tester les performances de G-homeTech dans un environnement
réel (prototypage rapide) et semi-virtuel avec des équipements émulés physiquement. C’est
l’étape qui précède l’implémentation réelle.
Dans ce chapitre l’impact du contrôle réactif va être étudié sur une prise gigogne en série avec
une charge résistive qui émule un radiateur. Ce démonstrateur temps réel hybride a été testé dans
le chapitre 3 avec un cas d’étude simple. Nous avons tiré quelques avantages et limites dans les
communications entre les différentes parties de ce banc d’essai. Dans ce chapitre, des cas tests
plus complexes seront mis en œuvre, non plus seulement pour valider le bon fonctionnement du
banc d’essai, mais aussi pour valider les algorithmes de SGEB et conclure sur les performances
de la stratégie de contrôle en temps réel hybride.

5.2. Architecture du cas d’application : le banc d’essai

Le système de gestion d’énergie de bâtiment (SGEB) est bouclé avec le modèle de bâtiment
contrôlé et simulé en temps réel à l’aide du simulateur RTLAB. Afin de pouvoir évaluer le
fonctionnement des « smart plug » (prise gigogne dans le cas présent) dans le schéma de
contrôle, l’idée était d’introduire l’amplificateur et d’un banc résistif (Une charge programmable
aurait été préférable pour avoir plusieurs niveaux de contrôles) (voir la Figure V-1).
Normalement, du point de vue fonctionnel, ces deux éléments physiques font partie des sous-
systèmes simulés dans l’environnement RTLAB, mais ils ont été « sortis » en dehors de
l’environnement logiciel afin de pouvoir interagir physiquement avec la prise gigogne.

« Réseau » Prise cigogne « Radiateur »

Amplificateur Charge AC
de puissance programmable

ZigBee ON/OFF Mesure Analog I/O

SGE G-HomeTech RT-Lab HILbox

Contrôle, TCP/IP
gestion « Habitat »

Figure V-1 : Bouclage du système de gestion d’énergie avec le simulateur « habitat »; mise en service des mesures
de la consommation et du contrôle « tout ou rien » (prise gigogne).

L’architecture détaillée du système est donnée par la Figure V-2. Pour mieux en expliquer le
fonctionnement, on prend un cas élémentaire qui est celui d’un radiateur commandé localement
en « tout ou rien ». La température de consigne envoyée par G-homeTech est reçue par le
modèle thermique de la pièce, modèle compilé au sein de RTLAB. Par contre, les commandes
ON/OFF émises par G-homeTech sont transmises directement à la "prise gigogne" Schneider à
valider. La prise mesure la puissance consommée et l’envoie au gestionnaire énergétique. Le
reste des modèles sont émulés par RTLAB.

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 128

Puissance P mesurée avec la prise gigogne

Mesures du courant et tension I, U

HIL box R

PC2 S
T
Cible
N

Commande
(ON/OFF)
PC1
SGEB Modèles thermique et Amplificateur de Prise gigogne (mesures Radiateur émulé avec
(PC2) électriques de bâtiment puissance de puissance et contrôle charge resistive (4kW
sous MATLAB/Simulink Emulation de réseau du disjoncteur max)

Figure V-2 : Architecture physique du système tempe réel hybride ou semi-virtuel

La validation du fonctionnement du système de gestion de l’énergie dans un habitat intelligent

a été faite en utilisant une simulation Hardware-in-the-loop (HIL), qui suppose le couplage du
SGEB avec un modèle simulé en temps réel de la maison.

5.2.1. Partie physique

Le but de la simulation temps réel hybride est de fournir des conditions de test aussi proches
que possible de la réalité, où l’être humain peut intervenir en exprimant ses desiderata par des
actions. RTLAB dispose de capacités de simulation de modèles de grande complexité grâce à
son architecture multi-processeurs [Web_RT]. Il réalise la synchronisation et l’interfaçage avec
le monde réel en utilisant des cartes d’entrées-sorties très rapides (moins d’une microseconde de
« ping »). L’architecture de calcul est composée de huit processeurs (deux Intel Xeon quad-core
2,33 GHz) qui échangent de l’information via une mémoire partagée. La vitesse de
communication sur les canaux analogiques et numériques est suffisamment élevée pour assurer
la reproduction des phénomènes dynamiques électriques. La sortie analogique de RTLAB
commande entre autre un amplificateur de puissance triphasé à haute bande passante afin de
reconstituer dans la réalité les tensions à un nœud donné du réseau électrique simulé. Dans notre
étude de cas une des trois phases est connectée à une charge résistive laquelle émule le
comportement du radiateur (tension 130 RMS).

5.2.2. Partie logicielle

Afin d’exécuter des applications temps réel, la cible RTLAB se base sur une plate-forme
QNX v6.3.2. Cette cible est contrôlée par un PC sous Windows par l’intermédiaire du protocole
TCP/IP. La simulation des modèles Matlab/Simulink créés par l’utilisateur est répartit entre
les processeurs cibles par l’intermédiaire d’un code en C à l’aide de Real Time Workshop. Ce
code est ensuite transformé en binaire pour le processeur cible et finalement exécuté en temps

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 129

réel [DUFO, 05]. Le modèle de l’habitat est implémenté en Matlab/Simulink. Ce modèle a été
intégré en utilisant le solveur Artemis ART5 à pas d’intégration fixe (optimisé pour des
applications temps réel) [CRAC, 10]. Le SGEB est, lui aussi, intégré dans la partie logicielle du
banc de test ; il communique avec RTLAB via le protocole TCP/IP. La Figure V-3 illustre
l’interaction entre les parties physique et logicielle du banc d’essais.

Puissance de radiateur
Prise gigogne
Modèle de réseau
- Température Contrôle
Terr local R
de référence. +- Radiateur
- Marche/Arrêt Ph,
k Amplificateur S
de puissance T ON/OFF
de radiateur
Comportement N
Tin 1h,i
thermique de la Ta
maison 1s
- Le contrôle
des autres
équipements Modèles des équipements électriques
SGEB
Partie logicielle Partie physique
Figure V-3 : Circulation des flux d’information au sein du banc d’essais : mesures et commandes

5.3. L’émulateur de bâtiment : modèle thermique

Figure V-4 : Le plan de l’appartement cible [OCNA, 07]

Afin de valider les algorithmes de gestion de G-homeTech en temps réel, nous avons choisit
le cas d’étude représentatif d’un habitat usuel. Ce cas développé dans la thèse de [OCNA, 07],
est un appartement d’une surface habitable de 109. 25 m², composé de 4 chambres, un salon, une
cuisine, une salle de bain et un garage (voir le plan de l’appartement cible dans la Figure V-4).

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 130

5.3.1. Comportement thermodynamique

La modélisation de comportement thermique dynamique d’une maison est indispensable pour
la modélisation du comportement électrique du système de chauffage. Un exemple de modèle de
simulation de bâtiment est donnée par [SILA, 11].
Notre modèle de simulation est basé sur le bilan thermique de la maison (V-1).

1P 1P
d(cumul de chaleur) (V-1)
= entrantes _ sorantes
dt

Donc le modèle thermique de la maison dépend de plusieurs facteurs tels que, la structure de
la maison (surfaces des chambres, hauteur, matériaux des murs -isolation, nombre des fenêtres,
etc.), la température à l’extérieure, l’ensoleillement… (voir Figure V-5).

Figure V-5: Paramètres thermiques caractéristiques pour une salle

D’après la Figure V-5, le bilan thermique pour une seule zone de vie i (pièce ou chambre),
sachant qu’il y a 7 chambres dans le cas d’étude (voir Figure V-4) (i appartient à l’intervalle
[1,7]) peut s’écrire comme suit :
Nous obtenant les équations différentielles suivantes (V-2) :

7 dTm 4 7- 1 1 4
5 dt 2 5 2 7 0 0 0 4 7 Ta 4 (V-2)
5 dT 2 = 55
riCm riCm 2 7Tm 4 + 5 1 1 SF2 5Φ 2
D 1 1 A2 56 Ti 23 5 5 h2
Ci 23 5Φ 2
5 i 2 1
5 - BB + 82
8 6 raCi Ci
6 s3
56 dt 23 5 riCm C r C r C 92
6 i i a m 3
7T 4
y = [0 1]5 m 2
6 Ti 3
Avec
Ti température dans la chambre i [K] ;
Tm température de l’enveloppe de la pièce [K] ;
Ta température ambiante (à l’extérieur du bâtiment) [K] ;
Ci capacité thermique de l’air dans la chambre i [J/K] ;

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 131

Cm capacité thermique de l’enveloppe de la pièce [J/K] ;

1h flux thermique donnée par le radiateur [W] ;
1s flux thermique donnée par le soleil via la fenêtre [W] ;
ri , rm résistances de transfert thermique [K/W] ;
SF surface de la fenêtre [m²].

Le modèle thermique proposé est un modèle simplifié de premier ordre, qui permet de simuler
le comportement thermique dynamique d’une pièce et convenable pour la procédure
d’optimisation. Les températures dans les différentes pièces du bâtiments sont déterminé
chambre par chambre, permettant la régulation avec des consignes différentes. Le modèle permet
aussi d’observer l’interaction thermique entre les différentes chambres.

Hypothèses simplificatrices :
• On considère que le flux thermique donné par le soleil est constant à l’intérieure de la
salle. En réalité, ce flux dépend de l’orientation de la salle (il est plus important côté sud
que côté nord…).
• Le plafond a été considéré comme parfaitement isolé pour éliminer l’échange thermique
entre l’intérieur et l’extérieure à travers cet élément.
• On suppose que la température dans la chambre est uniforme. Mais, en réalité, cette
température présente une certaine répartition verticale et horizontale, en fonction de type
de radiateur utilisé et en fonction de son positionnement.
• Pour simplifier le modèle, les habitudes de l’usager (la fermeture aléatoire des portes et
des fenêtres) ne sont pas prises en compte ainsi qu’on ne tient pas compte du transfert
thermique par rayonnement et par convection. C'est-à-dire nous nous considérons que les
pertes thermiques justes par la chaleur échangée avec l’air externe (soit avec l’air à
l’extérieure de la maison soit avec l’air des salles voisines).
En cas où les sources thermiques des autres équipements et des personnes sont négligeables.

5.3.2. Modélisation thermique dans MATLAB/Simulink

Le comportement dynamique du chauffage est modélisé par la Figure V-6. La Figure V-7
donne le modèle de chauffage électrique ainsi modèlisé sous MATLAB/Simulink.

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 132

Comportement
thermique de la
maison

2 3 4 5 6

1
Contrôles locaux des
5/6
5/6 radiateurs
Φ h,i
Tiint
T ext
33
44
22
1 La commande
Températures des
chambres
de G-homeTech
Figure V-6: Modèle du chauffage électrique
Figure V-7: Modèle du chauffage électrique sous
MATLAB/Simulink

1 représente les équations différentielles du comportement thermique dynamique données

par l’équation 4 pour les 7 chambres du cas d’étude dont les entrées sont :
• les flux thermiques fournis par chaque radiateur i,1h,i. Il est nul lorsque la zone ne
présente pas de radiateur. Dans ce cas, la température intérieure n’est influencée que par
l’échange avec les chambres voisines et par l’apport solaire via les fenêtres.
ext
• la température extérieure, T .
• les flux thermiques apportés par le soleil via les fenêtres 1s.
Les températures intérieures T int de chaque chambre i sont les sorties de ce modèle.

22 est la température de référence pour chaque zone i (Tref,i). Dans notre application, cette
valeur est envoyée par le gestionnaire énergétique G-homeTech dans le modèle thermique du
bâtiment émulé dans RTLAB. Dans un premier cas test, une seule température de référence sera
envoyée par le gestionnaire pour commander le radiateur de la première chambre. Dans le
deuxième cas test, 3 radiateurs (donc 3 zones thermiques) seront commandés.

33génère un vecteur d’écart de température Terr,i entre la température de référence et celles

des chambres.

44 : A partir du vecteur d’écart du température Terr,i, le bloc 4 génère via un hystérésis les
ordres de commande locaux pour chaque radiateur (ui). La largeur d’hystérésis est fixée en
fonction du type de thermostat considéré.

Type Précision
Mécanique ±2°C
Electronique ±0,5°C
Numérique ±0,1°C
Tableau V-1 : Précision de la régulation en fonction de type de thermostat

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 133

5 est responsable de la transformation des ordres de commande ui en consommation

électrique pour chaque radiateur (Ph,i). Dans le cas de notre application, nous allons émuler le
comportement thermique avec RTLAB, par contre le radiateur est une charge physique dont on
va mesurer le courant et la tension (fixée par le modèle du réseau via l’amplificateur) pour
calculer la puissance comme le montre la Figure V-7. Le cas d’étude comprend 7 zones
thermiques donc un radiateur pour chaque zone. Pour simuler une seule zone, il suffit de mettre à
zéro ce bloc 5 pour les 6 autres pièces. Dans ce cas la on éteint les radiateurs de ces pièces.

66 : Le modèle du comportement thermique de la maison a besoin du flux thermique comme

une entrée. Pour cela, un simple coefficient donné par le bloc 6 est ajouté représenter le
rendement du flux électrique en flux thermique. Un rendement inférieur à 1 indique les pertes via
les fenêtres.

5.4. L’émulateur de bâtiment : lien avec G-homeTech

Pour tester les algorithmes d’optimisation des flux électriques, nous avons choisi un
appartement dans lequel la majorité des charges sont alimentées par l’énergie électrique. Le
Tableau V-2 résume et décrit les charges disponibles dans la maison ainsi que leurs puissances
nominales et les commandes reçues par chacune d’elle.

Equipement Puissance nominale Nombre Commande Interruptible

(W)
Radiateur 1500 1 ou bien 3 Température de oui
(selon le scénario) consigne/ON_OFF
Le réfrigérateur 150 1 Température de oui
consigne/ON_OFF
Le congélateur 200 0 ou bien 1 Température de oui
(selon le scénario) consigne/ON_OFF
La machine à laver 2000 1 Temps de démarrage Non
La lave vaisselle 2200 0 ou bien 1 Temps de démarrage Non
(selon le scénario)
Les charges non Variable durant la Plusieurs mais Pas de commande Non
contrôlées journée globalisées

Tableau V-2 : Les charges disponibles dans la maison.

Mis à part le chauffage, le reste des charges électriques sont détaillées et modélisées dans la
première partie de ce chapitre. Nous avons gardé, dans ce cas de test, les mêmes modèles des
équipements électriques. Le nombre utilisé de ces charges est variable selon le cas d’étude. Nous
allons, par la suite, étudié deux scénarios différents.

Pour faire la liaison entre le modèle émulé de bâtiment et l’interface de communication entre
G-homeTech et RTLAB, certains blocs de la librairie RTLAB ont été utilisées (Figure V-8):

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 134

1
4
12345678

2 3
ON/OFF

Figure V-8: les blocs Simulink de communication entre RTLAB et G-homeTech

Bloc1 : OpIPSocketCtrl : cette icône est utilisé pour définir les paramètres nécessaires pour la
communication TCP/IP ou bien UDP/IP. Lorsqu’on utilise le protocole TCP/IP, cette interface
ne peut agir qu’en tant que client (par exemple, elle initialise la connexion par l’indication des
ports et des adresses et surtout l’identifiant des services (voir le chapitre 2) pour chaque service.
Dans notre cas, l’adresse est celle de l’ordinateur avec qui nous souhaitons communiquer. Dans
notre cas, elle est fixée à l’adresse de PC2 (voir Figure V-2). Le port est spécifique à chaque
service défini dans l’interface XML (voir chapitre 2).

Bloc2/Bloc3 : Asynchrounous Send et Asynchrounous Recv : sont deux blocs responsables de

l’envoi et de la réception des données entre l’interface XML et le modèle de bâtiment simulé.
Pour le même service, ces deux blocs doivent partager le même identifiant de service définie
dans le bloc 1, dans l’interface, dans les fichiers [Link] et le fichier [Link] (voir
chapitre 5).

Bloc4 : Ce bloc fixe la fréquence d’envoi des données, généralement égale à l’inverse du
temps d’échantillonnage de la simulation 1/Ts (dans notre cas 1/Ts=1/5002s =2000Hz).

En guise de conclusion sur cette partie, le modèle thermique et les modèles des charges
électriques du bâtiment concerné, ont été modélisés sous MATLAB/Simulink et compilé par la
suite, sous RTLAB et transformé en un code C. Cependant, le SGEB G-homeTech est

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 135

programmé en JAVA. Ainsi, nous retrouvons, la problématique d’hétérogénéité entre les

systèmes. Pour mieux tester le couplage (décrit dans le chapitre précédent) fait pour résoudre ce
problème, nous allons cette fois ci, communiquer plus de données entre l’émulateur et le SGEB
(voir Figure V-8). La Figure V-9 illustre ces données échangées.

Modèle de bâtiment « RT_LAB » G-homeTech

Puissance consommée
Abonnement

Puissance consommée
TCP/IP
Puissance consommée
température de la pièce G-homeTech
ON_OFF+ température de consigne SGEB
Puissance consommée
température du réfrigérateur
ON_OFF+ température de consigne

Puissance consommée
ON_OFF
Temps de démarrage

Figure V-9: Données échangées entre le SGEB et l'émulateur de bâtiment

L’échange des informations entre le SGEB et la prise gigogne reste le même que le cas
d’étude du chapitre 3. En effet, le contrôle réactif du SGEB envoie l’ordre de commande
ON/OFF à la prise. Par contre, nous tenons compte que de la valeur de puissance consommée par
la charge, calculée dans le modèle MATLAB/Simulink à partir des mesures de courant et de
tension (voir Figure V-7), puisque nous avons déjà démontré dans le chapitre 3 que la précision
de la mesure de ce dispositif croît pour des consommations élevées, comme le cas des cas
d’étude détaillés par la suite. Ces tests nous permettent aussi, de valider les algorithmes de
gestion énergétique de G-homeTech via plusieurs scénarios.

5.5. Scénario 1: Puissance maximale variable

Dans le chapitre 4 qui traite de la co-simulation virtuelle, nous avons réalisé un contrôle par le
coût. Nous avons fixé la puissance maximale disponible (l’abonnement) durant 24h à une seule
valeur par contre le profil de prix de rachat de l’électricité était variable et présentait des
intervalles de temps où l’électricité était chère. Nous avons constaté, que pour éviter ces périodes
de pics, G-homeTech a bien décalé le fonctionnement des services temporaires dans les périodes
de creux de prix et a de plus réduit la température de consigne du chauffage pour minimiser la
consommation en restant dans les limites du confort demandées par l’occupant.
Pour la co-simulation semi-virtuelle qui nous rapproche de la réalité, nous allons réaliser deux
scénarios différents. Pour les deux cas, la gestion ne se base plus sur le prix de l’énergie, mais

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 136

sur la puissance maximale disponible. Le prix de l’électricité sera considéré comme fixe durant
toute la journée.
Type de prix Prix €cts/kWh
pauto : l’autoconsommation 25.01
pr : Prix de revente 43.01
pa : Prix de rachat 19.00
Tableau V-3 : Scénario des prix de l’énergie dans le cas de production locale de PV

5.5.1. Description du cas d’étude

Nous allons commencer par une étude simple où il y a que le réseau électrique qui alimente un
radiateur, un réfrigérateur, une machine à laver et un certain nombre d’équipements non-
contrôlables. Dans ce premier cas test temps réel, il n’y a pas de source de PV donc que le prix
de rachat fixe pa est considéré (voir Tableau V-3) [MISS, 12].
Concernant les charges électriques, nous allons utiliser seulement, un radiateur de 1000W
(une seule pièce), un réfrigérateur de 150W, une machine à laver de 2000W et un profils de
consommation des charges non contrôlables (voir Figure V-10).

CO2
Grid Données météorologiques

Occupant

Pgrid The Energy prices

And subscription

SGEB

charges non
radiateur réfrigérateur machine à laver contrôlables

Puissance consommée par chaque équipement envoyée au SGEB

Contrôle envoyé par le SGEB aux équipements
- Température de référence et le ON/.OFF pour le radiateur et la réfrigérateur
- Instant de démarrage pour la machine à laver
Les prédictions comme les données météorologiques
Prix de l’énergie et la souscription

Figure V-10 : Interaction entre le système de gestion de l’énergie (SGE) et les charges présentes dans la maison

Nous allons faire varier la puissance souscrite maximale durant la journée comme le montre la
Figure V-11. Comme nous avons utilisé un nombre restreint de charges et pour mieux percevoir
l’effet de SGEB sur le contrôle des charges, nous avons utilisé une valeur réduite de la puissance
souscrite. Au début de la simulation (la simulation est lancé à 9h), cette puissance est fixée à
1800 W puis à 3000 W entre 15 et 16 heures et enfin à 2000 W dans la soirée. Le reste du temps
cette puissance est limitée à 1000 W. Il faut noter que cet exemple n’est pas un cas réel parce que
la valeur minimale de l’abonnement ne peut pas être au dessous de 3,5 kW.

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 137

3000
(W) Abonnement
Subscription 280 Température extérieure (Tout)
Outdoors Temperature (Tout)

in)
(K elvin)
2500
power (W)
d’abonnement

re (Kelv
2000 278

perature
Subscription

TTem pératu
1500
276
Puissance

1000
274
500
9h 15h 16h 24h 6h
Temps (heures)
Time (Hours)
09:00h 13:00h 16:00h 23:00h 04:00h 09:00h
Temps (heures)
Time (Hours)
Figure V-11 : Puissance souscrite durant la journée Figure V-12 : Température à l’extérieur de bâtiment
1.5
Présence de presence
Occupants l’habitant
1
time
ON /OFF
ON/OFF

0.5

-0.5
9 11 12 14 19
Temps
Time(heures)
(Hours)

Figure V-13: Courbe d’occupation anticipée

Nous attendons de cette simulation, si le couplage entre les différentes parties du

démonstrateur temps réel est réussi que le SGEB contrôle les charges de tel sorte qu’il ne
dépasse pas la puissance souscrite. Si la puissance non contrôlable consommée par les charges
non supervisées est la même que celle anticipée (respectivement courbe rouge et courbe bleue
dans la Figure 14), la couche réactive doit appliquer la solution décidée par la couche
anticipative.
La puissance maximale disponible
La consommation non contrôlable anticipée
La consommation non contrôlable réelle

3000
Dépassement de la puissance
2500
disponible

2000
Power (W)

1500

1000

0
9 11 13 15 20 00:00 8
TempsTime
(heures)
(Hours)

Figure V-14: Puissance non contrôlable et puissance maximale disponible

5.5.2. Résultats de simulation sans le réactif

Dans ce scénario le plan anticipatif a été respecté. La Figure V-15 montre le comportement du
radiateur. Elle affiche le contrôle du radiateur envoyé par G-homeTech sous la forme d’une
température de consigne ainsi que la température instantanée de la chambre calculée par le
modèle thermique. Ces données sont visualisées sur le PC1 (voir Figure V-2). Ainsi, le couplage

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 138

entre ces deux systèmes a été bien établi et le problème d’hétérogénéité a été résolu. La même
figure montre que la prise gigogne n’interrompt pas le fonctionnement du radiateur (elle ne
reçoit pas l’ordre de la couche réactive du SGEB). La température de la chambre poursuit donc
la consigne du SGEB. Cette consigne est calculée à partir des données météorologiques
(température extérieure- Figure V-12), des préférences de l’occupant et de la présence ou non de
ce dernier (Figure V-13).

300
Temperature (Kelvin)

Température de consigne (a)

Température de la salle Tin

295

290
9 11 13 15 17 19 21 23 1 3 5 7
1 Tim e (Hours )
La satisfaction

(b)

0
9 11 14 19 20 8
Temps (heures)
1
Figure V-15: a- Comportement du radiateur et b- Satisfactions (température) obtenues avec le plan anticipatif
calculé par G-homeTech obtenues avec le plan anticipatif calculé par G-homeTech
1
Temperature
Courbe satisfaction
de satisfaction curve
(température)
0.8
Satisfaction
Satisfaction

0.6

0.4

0.2

0
0 278 283 288 292 294 299
Température (Kelvin)
Temperature (Kelvin)

Figure V-16. Courbe de satisfaction thermique correspondant à la préférence de l’occupant

1
La Figure V-16 montre que la température demandée dans la chambre, Topt est choisie à 294
K (21°C). La température maximale est 299 K (26°C) et la température minimale à 292 K
(19°C). La consigne de température fournie par le SGEB doit respecter ce domaine ce qui a été
vérifié (Figure V-15).

G-homeTech a besoin de l’information de la présence de l’habitant (Figure V-13). Cette

figure montre que la maison n’est pas occupée entre 11 et 12 heures et entre 14 et 19 heures. Si
l’on compare cette courbe avec la consigne de température, on peut voir dans la Figure V-15-a
que le gestionnaire envoie la température la plus basse Tmin =19°C quand la maison n’est pas
occupé. A 19h on observe un phénomène intéressant : la maison est occupée mais la valeur de la
consigne est de Tmax=26°C, bien plus grande que la valeur optimale Topt=21°C. Ceci est dû au fait

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 139

que SGEB tend à chauffer la chambre en avance parce qu’à 20h, il y a une forte consommation
non contrôlable prévue. Pendant cette période, la référence de température est baissée au dessous
de la valeur optimale (voir 19°C) pour éviter le dépassement de la puissance maximale
disponible. Ce comportement illustre le compromis entre le coût de l’énergie et le confort
d’utilisateur. Le SGEB chauffe la chambre à 14h et à 19h et il n’y a que 3h de « dissatisfaction »
(la température de la chambre plus petite ou beaucoup plus grande que la température préférée
par l’habitant) pendant la journée (barres rouges de la Figure V-15).

5.5.3. Résultats de simulation avec le réactif

Dans un cas plus proche de la réalité, la consommation d’énergie non contrôlable diffère de
celle prévue. Le cas critique est celui où cette consommation dépasse l’abonnement (Figure V-14
courbe rouge). Dans ce cas, la couche réactive doit intervenir et change le plan anticipatif en
déconnectant toutes les charges contrôlables. En plus, nous attendons que le SGEB envoie un
signal OFF au radiateur émulé physiquement par l’intermédiaire de la prise gigogne en utilisant
une communication sans fil (protocole ZigBee). Le même signal de contrôle doit être envoyé par
le SGEB au modèle du réfrigérateur implémenté sur RTLAB via l’interface XML (voir le
chapitre 3). La Figure V-17-a, valide ces attentes pour le contrôle de radiateur. Le contrôle de
délestage a été bien envoyé à la prise gigogne au moment de dépassement de la puissance
souscrite.
1.5
Phase d’oscillation
Heater
Le contrôleEMS control
de G-homeTech
1
ontrol
Commande

1
SC

0.5 0.5
EM

0
0 13

(a)
-0.5
Dépassement
3 de5la souscription
300 9 11 13 15 17 19 21 23 1 7
Temperature(Kelvin)

Tim e (Hours )
295
Température (Kelvin)

290
285

280 Consigne de température

Température de la salle Tin
(b)
275
9 11 13 15 17 19 21 23 1 3 5 7
Time (Hours)
Temps (heures)

Figure V-17. a) Signal de contrôle du radiateur envoyé par le SGEB (ON/OFF) ; b) Comportement du radiateur avec
le contrôle réalisé par la couche réactive

La Figure V-17-b montre le comportement du radiateur durant 24h dans le cas d’une
consommation non contrôlable non prévue: entre 13h et 14h quand la consommation non
contrôlable dépasse 1,8kW, entre 20h et 21h quand cette consommation dépasse 2kW (la valeur
souscrite à cette période). Elle montre aussi qu’il y a un changement rapide de la commande (la
commande de SGEB oscille entre ON et OFF) quand la puissance consommée est autour de la
puissance prévue par l’abonnement.

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 140

1
Puissance moyenne sans SGEB Commande de l’amplificateur, Vin
Tension de sortie de l’amplificateur, Vout
1 Puissance moyenne avec SGEB Courrant de charge, I

1000

800
Power (W)

600

400

200

0
0 5 10 15 20 25
Time (Hours)

Figure V-18 : La puissance moyenne consommée par le Figure V-19. Les évolutions de la tension et du
radiateur courrant mesurés en sortie de l’amplificateur de
puissance

Dans la Figure V-18, on peut comparer la puissance moyenne consommée par le radiateur
sans contrôle réactif à celle consommée quand le contrôle réactif est mis en route (courbe rouge),
dans les mêmes conditions de fonctionnement. D’après cette courbe, nous constate que le SGEB
a, non pas seulement, lisser la puissance pour ne pas dépasser le souscription, mais aussi, il nous
a permis d’obtenir un gain énergétique 3P. La différence de surface entre les deux courbes et est
d’environ 20 %. Les valeurs U et I de la tension et du courrant mesuré par le traducteur à la
sortie de l’amplificateur de puissance sont donnés à la Figure V-19.
Dans cette étude, la tension du réseau est considéré à 85 V RMS (le gain du traducteur de
tension est 0.025 V/V et le gain du traducteur de courrant est 0.1 A/V).

Les autres charges (le réfrigérateur et la machine à laver) sont modélisées et simulées en
temps réel dans la partie logicielle du simulateur semi-virtuel. La communication entre ces
modèles et le SGEB est réalisée par l’intermédiaire de RT-LAB. La Figure V-21-b montre le
comportement thermique du réfrigérateur (la référence de température envoyée par le SGEB est
situé à l’intérieur de la plage de température).
Dans la Figure V-20, on peut voir que la température demandée par l’habitant au réfrigérateur
Topt est 275K (2°C). Les valeurs de 278 K (5°C) et 273 K (0°C) correspondent à la température
maximale et minimale de confort. Ces valeurs sont mentionnées dans le fichier XML qui
alimente les algorithmes du SGEB ([Link]).
1
Courbesatisfaction
Fridge de satisfaction
curve
0.8 (réfrigérateur)
Satisfaction
Satisfaction

0.6

0.4

0.2

0
273 275 278
Température
Temperature (Kelvin)
(Kelvin)

Figure V-20 : Courbe thermique de satisfaction du réfrigérateur

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 141

1.5
Fridge de
Le contrôle EMS reactive
SGEB control
au réfrigérateur
1

EMS control
La commande
0.5

-0.5
9 Arrêt13
11 de réfrigérateur
15 17 19 21 23 1 3 5 7
Temperature (Kelvin) 278 Time (Hours) Consigne de température
Température de réfrigérateur

276

274

272
11 13 15 17 19 21 23 1 3 5 7
Temps
Time (heures)
(Hours)

Figure V-21:a) Contrôle du réfrigérateur (signal ON/OFF envoyé par le SGEB) ; b) Comportement thermique du
réfrigérateur

En ce qui concerne la machine à laver, l’instant de démarrage optimal choisi est 20h (voir la
Figure V-22). La courbe de satisfaction (courbe noire) concernant l’instant de démarrage montre
une plage de 17 heures. Le cycle de chauffage de la machine consomme approximativement
2kW et la souscription est fixée a 2kW autour de 20h (voir la courbe verte). La solution donnée
par le SGEB est de démarrer la machine à laver à 15h où la puissance disponible est de 3kW.
Dans ce cas, il y a une diminution du confort utilisateur, mais la souscription n’est pas dépassée.

Dans cette étude, le SGEB contrôle deux types de charges. Les charges décalables (machine à
laver) et les charges thermiques dont les consignes de température sont contrôlées (réfrigérateur
et radiateur). Le SGEB prend ces deux types de décisions afin de respecter la contrainte de
l’abonnement, du confort de l’utilisateur et la puissance disponible.
Puissance maximale souscrite
Consommation de la machine à laver
Instant préféré de démarrage du lavage
Courbe de satisfaction de temps de démarrage de lavage

3
2.5
(kW)
Power (kW)

1.5
Puissance

0.5

11 13 15
15 20
20 6 8
Time (Hours)
Temps (heure)

Figure V-22. Comportement de la machine à laver par rapport à la courbe de satisfaction concernant le moment de
démarrage

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 142

La Figure V-23 illustre ce cas d’étude en traçant les profils de la puissance consommée pour
l’ensemble des charges avec et sans G-homeTech. Il est clair que le gestionnaire a bien respecté
la contrainte de dépassement de la puissance souscrite en lissant la courbe de charge. Cette
courbe montre bien qu’avec un contrôle par le SGEB on aura, aussi un gain énergétique non
négligeable.

5 (a) P totale instantanée sans G-homeTech

P totale instantanée avec G-homeTech
4 Puissance maximale
(kW)
Power(kW)

3
Puissance

0
9 11 13 15 17Décalage
19 21 23 1 3 5 7
(b)
4 Time (Hours) P totale moyenne sans G-homeTech
du lavage
P totale moyenne avec G-homeTech
(kW)

3
Power kW )

2
Puissance

1
0

5 10 15 20 25
Time (heures)
Temps (Hours)

Figure V-23. Comparaison entre les puissances consommées avec et sans SGEB (a) : puissance instantanée,
(b) puissance moyennée sur une heure

Avec ce premier cas de test, nous avons pu vérifier que la communication entre l’interface
construite pour établir la communication entre G-homeTech et RTLAB était bien fonctionnelle.
Ainsi, grâce au bundle OSGI de communication entre le gestionnaire et la prise gigogne, un
ordre de délestage des services temporaires a été transmis. Par contre, le SGEB tient compte de
la puissance mesurée par les capteurs et non pas par la prise gigogne, puisque nous avons besoin
des mesures de puissance et non pas de l’énergie.
Pour compliquer le cas test, dans le but de valider mieux le couplage qui a été fait ainsi que
les algorithmes de gestion énergétiques de G-homeTech, un deuxième scénario tiendra compte
en plus d’une source photovoltaïque (PV), de deux radiateurs et un congélateur (Figure V-24).
La stratégie de gestion du SGEB est d’intégrer la contrainte de non dépassement de la
souscription qui prend deux valeurs par jour. En fin de compte, c’est un cas particulier, mais plus
réaliste de ce qui était fait dans le premier scénario : c’est le contrôle direct

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 143

CO2 Données météorologiques

Grid
Occupant

Pgrid The Energy prices

And subscription
Ppv
BEMS

charges non
réfrigérateur+ contrôlables
3 radiateursréfrigérateur Lave vaisselle Machine à laver
congélateur

Puissance consommée par chaque équipement envoyée au SGEB

Contrôle envoyé par le SGEB aux équipements
- Température de référence et le ON/.OFF pour le radiateur
et la réfrigérateur
- Instant de démarrage pour la machine à laver
Les prédictions comme les données météorologiques
Prix de l’énergie et la souscription

Figure V-24: 2eme scénario.

5.6. Scénario 2 de G-homeTech : contrôle direct

5.6.1. Description du cas d’étude

On parle de contrôle direct des charges, quand les signaux d’arrêt pour certaines catégories de
charges sont envoyés par le gestionnaire du réseau. Avec cette approche, seuls les signaux
d’arrêt sont envoyés aux clients lesquels peuvent refuser d’arrêter un appareil mais sans doute
avec des pénalités. Dans ce scénario, le prix d’achat de l’électricité est fixé toute la journée et on
impose une valeur de puissance maximale soutirée au réseau électrique Pres (dans l’équation
Pc 4Pres+PPV du chapitre 2). La puissance consommée par la maison virtuelle ne doit pas dépasser
la valeur souscrite. Toutes ces conditions sont introduites dans le fichier [Link]. Dans ce
cas test, on suppose que le prix de l’énergie consommée est fixe toute la journée Pa=0.019€/kWh
et on fixe un abonnement à 2500W entre minuit et 10h le matin et à 4500W le reste de la journée
(voir Figure V-25).

Le bâtiment considéré, comprend des panneaux solaires pour produire de l’énergie

photovoltaïque. La surface de captage est de 50m². La radiation et la puissance PV produite
prédites apparaissent dans la Figure V-26. La température de l’extérieur du bâtiment durant 24h
est donnée par la Figure V-27. Nous avons considéré la consommation de quelques appareils non
contrôlable comme l’éclairage, le cuisson, le four, … et on construit un scénario pour leur
fonctionnement durant une journée donné par la Figure V-28.

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 144

Figure V-25: Abonnement et prix de l’énergie prédite

Figure V-26: Prédiction de puissance PV produite

Figure V-27: Température extérieure prédite Figure V-28: Profil de consommation des charges
non-contrôlables

5.6.2. Scénario sans G-homeTech

Pour valider les algorithmes de gestion de l’énergie de G-homeTech, nous avons réalisé un
premier scénario qui suppose qu’il n’y a pas de contrôle sur tous les équipements de la maison.
Ce cas d’étude sera par la suite comparer à celui avec le contrôle de SGEB. On suppose donc que
les 3 radiateurs fonctionnent avec une température de référence fixe toute la journée réglée
manuellement à 19°C. La Figure V-29 montre la puissance consommée pour la machine à laver
et le lave-vaisselle lorsque leurs temps de démarrage à été fixé.

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 145

1 1 2

Figure V-29: Temps de démarrage des services temporaires choisis par l'occupant

Dans ce scénario, on ne peut pas modifier la consommation du réfrigérateur et du congélateur.

Cela signifie que la température de référence est constante. La puissance consommée par le
réfrigérateur et le congélateur est donnée par la Figure V-30. Enfin la totalité de la puissance
consommée sur le réseau électrique est donnée par la Figure V-31.

La consommation du Congélateur
La consommation du réfrigérateur

Figure V-30: Puissance consommée par le réfrigérateur Figure V-31: Puissance soutirée de réseau dans le
et le congélateur cas d'une simulation sans G-homeTech

La puissance moyenne pour chaque heure durant la journée est donnée par la Figure V-32.
Elle montre qu’avec ce scénario (sans utilisation de G-homeTech), la puissance totale
consommée a dépassée l’abonnement durant 3 heures : 2 heures le matin entre 8h et 10h et à 9h
le soir.
L’abonnement La puissance moyenne totale consommée

Figure V-32: Puissance moyenne soutirée sur le réseau sans G-homeTech

Le coût énergétique apparaît sur la Figure V-33:

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 146

Figure V-33: Le coût énergétique global sans G-homeTech durant une journée

Dans ce scénario le prix ne joue pas un grand rôle dans la gestion puisqu’on a considéré que
le prix est fixe et on n’a pas considéré un prix de pénalité lorsqu’on dépasse l’abonnement.

5.6.3. Scénario avec G-homeTech

Pour rappeler, l’objectif était de valider le bon fonctionnement de notre démonstrateur temps
réel hybride en démontrant que les couplages entre ses différentes parties proposés dans le
chapitre 3 est encore valable avec des scénarios compliqués. En ajoutant, d’autres charges et une
source PV dans le bâtiment, nous allons augmenter le nombre d’informations échangées entre le
gestionnaire et RTLAB. Ce ci ne devra pas gêner le fonctionnement du banc d’essai, si le
couplage est réussi. Au même temps nous allons valider les algorithmes de gestion en les
comparant avec le scénario précédent qui est sans G-homeTech. Le SGEB, grâce à l’optimisation
de l’énergie consommée va-t-il permettre de respecter les contraintes tout en préservant le
confort de l’usager ?

[Link]. Solution anticipée

Dans cette première partie, nous allons suivre le scénario choisi sans G-homeTech, c'est-à-
dire que nous allons respecter les valeurs nominales de puissance pour les équipements, garder le
même profil de consommation non contrôlable (voir Figure V-28 et Figure V-34) et les mêmes
conditions météorologiques.

Figure V-34: Puissance consommée prédite pour les charges non contrôlables donnée par
la couche anticipative du G-homeTech

Par exemple la Figure V-35 montre les données anticipées pour les radiateurs :

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 147

Fonction de satisfaction de Fonction de satisfaction de Fonction de satisfaction de

température température température
18°C 18°C 18°C

Figure V-35: Températures préférées pour les 3 zones ainsi que les profils d’occupation anticipées

Pour les services décalables dans le temps, on a les préférences occupant suivantes :

Figure V-36 : Le temps de fin préféré pour les services temporaires

Les temps de fin préférés pour la machine à laver et le lave-vaisselle sont respectivement de
12h et de 23h. Les durées de lavage sont de D=2h. Pour le réfrigérateur et le congélateur, on
choisit la température préférée (Figure V-37) :

Fonction de satisfaction de température du Fonction de satisfaction de température du

réfrigérateur congélateur

Figure V-37 : La température préférée par les services blancs

En introduisant tous ces paramètres dans un fichier XML, le système de gestion génère un
problème et le résout. Les solutions anticipées pour ce scénario sont données par la Figure V-38.

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 148

Figure V-38 : Solution anticipée pour le service de chauffage : la température de consigne, la satisfaction et la
puissance consommée

La stratégie de gestion de G-homeTech pour les radiateurs maintient le confort thermique

dans la pièce en calculant une température de consigne proche de celle préférée lors de la
présence de l’occupant. Par contre, aux périodes où la maison est inoccupée, la température de
consigne est égale à la température minimale choisie. Pour le réfrigérateur et le congélateur : la
consigne correspond celle demandée toute la journée.

Figure V-39: Solution anticipée pour le réfrigérateur et le congélateur: température de consigne, satisfaction et
puissance consommée

La solution trouvée pour le démarrage des services temporaires est donnée par la Figure V-40:

Figure V-40 : Temps de démarrage et puissance consommée par les services temporaires.

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 149

La puissance anticipée soutirée du réseau électrique et le prix calculé sont donnés par la Figure
V-41 :

Figure V-41: Puissance totale consommée anticipée et le coût global anticipé

Les puissances moyennes consommées réellement par les radiateurs ne sont pas forcément
égales aux puissances anticipées puisque la consommation du chauffage dépend non seulement
des conditions météorologiques mais aussi des caractéristiques du bâtiment qui n’existent pas
dans le système de gestion énergétique comme la surface des chambres par exemple.

[Link]. Résultats de simulation sans le réactif

Les modèles de simulations thermiques tiennent compte de la dynamique interne de la
température qui suit la température de référence envoyée par le système de gestion (Figure V-
42) :

Figure V-42: Résultats de simulation des températures des chambres : température de consigne et température
instantanée

On remarque que le réactif n’est pas intervenu pour couper les radiateurs du fait des
conditions favorables pour le fonctionnement de tous les services : il y a assez de puissance pour
tous (abonnement suffisant et un bon ensoleillement).

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 150

Les charges temporaires sont décalées dans le temps par le SGEB (Figure V-43) :

1 1 2 2

1 : machine à laver
2 : lave-vaisselle

Figure V-43 : Puissance anticipée et réelle et temps de fin des services temporaires

D’après cette figure, le système de gestion décale le fonctionnement de la machine à laver et

le lave-vaisselle par rapport aux temps de démarrage préférés dans le scénario sans le SGEB et
celui indiqué dans le fichier [Link] pour ne pas dépasser l’abonnement de réseau.
Le réfrigérateur et le congélateur n’ont pas subit d’interruption et leur puissance consommée
est donnée par la Figure V-44.

Figure V-44: Comportement des équipements blancs avec G-homeTech

La puissance réelle totale soutirée au réseau électrique est donnée par la Figure V-45.

Figure V-45: Puissance soutirée au réseau électrique

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 151

D’après la Figure V-45, on voit que la courbe de consommation (en bleu) n’a pas dépassé
l’abonnement (en rouge) car le gestionnaire énergétique a décalé la consommation vers les dates
où il y a moins de consommation. La Figure V-46 résume les trois résultats obtenus sans et avec
le système de gestion énergétique (résultats anticipés donnée par G-homeTech et résultats réels
après simulation sans violation des contraintes).

Figure V-46: Comparaison de la puissance globale entre le scénario sans G-homeTech et avec GhomeTech, dans les
deux cas : solution anticipé et résultat réel de simulation

Dans ce scénario et pour ne pas dépasser l’abonnement, le système de gestion énergétique a

décalé les charges temporaires comme la machine à laver et le lave vaisselle de leurs date de fin
de cycle préférée par le consommateur mais en gardant le maximum de confort et de satisfaction.
Ici, on ne tient pas compte du coût énergétique mais du confort thermique et de la satisfaction
relative aux dates de cycles. Dans ce cas, le coût global de l’énergie est donné par la Figure V-
47.

Figure V-47: Prix global de l’énergie en favorisant Figure V-48: Prix global de l’énergie en favorisant
le confort le critère économique

On reprend le même scénario, mais en obligeant le système de gestion à ne pas tenir compte
du confort thermique. L’idée est de baisser le coût global sans prendre compte des consignes

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 152

préférées par le consommateur, le prix sera celui donné par Figure V-48. Pour faire baisser le
coût, le système de gestion n’a pas respecté les températures de consignes préférées par le
consommateur et il les a baissé au minimum (Figure V-49) déclaré dans le fichier [Link].

Figure V-49: Solution anticipée pour le chauffage des 3 chambre en minimisant le coût énergétique

Pour gagner faire plus de profit, le système de gestion énergétique a avancé le plus possible le
démarrage du lave-vaisselle en le faisant démarrer au moment où l’ensoleillement est important
afin de profiter du surplus d’énergie. La machine à laver démarre au même instant que
précédemment (Figure V-50).

Figure V-50: Puissance anticipée pour la machine à Figure V-51: Puissance anticipée pour le lave-vaisselle
laver dans le cas coût minimum dans le cas coût minimum

Pour le réfrigérateur et le congélateur, on garde la même consigne de température.

[Link]. Résultats de simulation avec le réactif

Dans ce qui suit, nous allons juste modifier la puissance d’ensoleillement, pour simuler le
passage d’un nuage (Figure V-53-a). Cet événement n’est pas prévu. S’il n’y a pas assez de
puissance, nous devrions voir la réaction du mécanisme réactif ; il devrait couper certaines
charges. Pour ce faire, nous avons diminué l’abonnement pour créer un manque de puissance
(Figure V-52).

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 153

Figure V-52: Abonnement de réseau électrique

Dans un autre scénario, nous pouvons ajouter d’autres charges non contrôlables imprévues
vers midi et le soir (Figure V-53-b).
A 14h, nous remarquons que la consommation des charges non contrôlables dépasse
largement l’abonnement. A cette heure, la puissance réelle générée par le PV est insuffisante.
Dans ce cas, on voit que le réactif intervient et coupe le radiateur de la chambre des parents en
cas de manque de puissance.
A 13h, c’est le même scénario qu’à 14h, à la différence près qu’a assez de puissance
générée par le PV. Même si on dépasse l’abonnement, il y a le PV qui peut alimenter ces
charges. Le réactif ne coupe donc pas le radiateur.
A 21h et 23h, un autre dépassement de l’abonnement est détecté. Puisque c’est le soir, il
n’y a pas de puissance photovoltaïque et il n’y a pas de stockage dans ce scénario ; le réactif
coupe le radiateur. Pour les 2 autres radiateurs c’est le même cas, le réactif coupe aux instants de
manque de puissance (voir Figure V-54).

(a) (b)

(b)
(c)

(d)

Figure V-53 : Résultats de simulation en cas de violation des contraintes

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 154

Mêmes remarques pour le réfrigérateur et le congélateur

Figure V-54: Comportement thermique du réfrigérateur et du congélateur dans le cas du réactif

Les autres charges temporaires n’ont pas subi de changement et le réactif n’a pas interrompu
leur fonctionnement.

Nous allons tester si le réactif arrive à interrompre le service temporaire. Pour essayer avec la
machine à laver, nous avons ajouté d’autres charges contrôlées au milieu de la phase de
chauffage de la machine à laver comme suit :

On voit bien que la machine à laver fonctionne toujours même avec cette contrainte qu’on a
ajoutée. Le réactif ne coupe pas la machine à laver puisqu’elle est configurée dans G-homeTech
comme étant un service non interruptible.

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 155

5.7. Problèmes rencontrées

Au cours de ces tests, nous avons rencontré plusieurs problèmes :
1- Le premier problème concernant l’intégration de la prise gigogne dans le banc d’essai
temps réel. En effet, le bundle de la prise gigogne mesure l’énergie et non pas la puissance.
Or, G-homeTech a besoin de la puissance consommée pour que le mécanisme réactif puisse
fonctionner. Pour ce faire, nous avons dû construire un bundle OSGI (voir le chapitre 3) pour
reconstruire des mesures de puissance moyennes (sur 3t) pour G-homeTech.
Après avoir établi la communication entre le gestionnaire et la prise utilisée par G-
homeTech en tant que service, nous avons essayé de vérifier les valeurs mesurées en la
branchant à une lampe d’une puissance connue. Actuellement, G-homeTech arrive à
commander en ON/OFF la lampe via la prise gigogne par contre il reçoit une valeur de
puissance erronée. C’est prévu qu’une autre prise gigogne qui mesure directement la
puissance sera fournie par Schneider Electrique.
Pour ne pas influencer les tests effectués ci-dessus, nous avons mis en parallèle avec la
prise des capteurs de mesure de courants et nous calculons la puissance à l’intérieur du
modèle thermique simulé.
820

815
Puissance (W)

810

805

800
500 1000 1500 2000 2500 3000 3500 4000 4500
Temps (Seconde)

Figure V-55 : la puissance consommée de la charge qui émule le radiateur

2- Le deuxième problème provient du faite que la communication entre G-homeTech et

l’émulateur RTLAB peut être interrompue au cours de la simulation ce qui engendre des
pertes des données. Nous avons été plusieurs fois obligés de relancer des simulations qui
durent à chaque fois 24 heures (temps réel oblige).

3- Au début de ces tests, nous avons eu l’idée de récupérer les radiations solaires en
temps réel sur un site Internet : [Link] (Figure 56) pour avoir
un profil réel de puissance PV produite même pour une ville autre que grenoble. Cette idée a
fonctionné, mais nécessite un réseau Internet sur la plate-forme temps-réel qui soit fiable, ce
qui n’est pas toujours le cas.

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 156

Figure V-56: une simulation temps réelle avec une radiation solaire réelle mesurée

5.8. Conclusion

Le couplage entre le SGEB et l’émulateur de bâtiment a été totalement résolu avec un système
de co-simulation semi-virtuelle. Nous avons testé les performances de G-homeTech dans un
environnement réel avec des équipements émulé physiquement. Une prise gigogne a été
introduite, dans le démonstrateur temps réel hybride, en série avec une charge résistive qui émule
un radiateur pour appliquer le contrôle réactif du gestionnaire.

Tout d’abord, nous avons commencé par valider les algorithmes de gestion de G-homeTech
via un scénario simple qui se base sur un contrôle qui respecte la puissance maximale disponible.
Dans ce premier scénario, le modèle de bâtiment est alimenté seulement par le réseau et ne
représente que quelques équipements électriques. En plus, G-homeTech a géré une seule zone
thermique. Ce scénario nous a permis de valider le couplage entre les différentes parties du
démonstrateur temps réel hybride avec un cas qui reste plus complexe que celui traité dans le
chapitre 3. La contrainte de dépassement de souscription a été bien respectée et le gestionnaire a
modulé la consommation du radiateur et a choisi un temps convenable de démarrage de la
machine à laver.

Pour compliquer le cas test, nous avons réalisé un deuxième scénario qui se base sur le
contrôle direct de l’énergie électrique et qui ajoute d’autres équipements et une source d’énergie
photovoltaïque au modèle de bâtiment. Nous avons proposé un premier sous-scénario en
effectuant une simulation en fixant nous même les ordres de contrôle pour tous les équipements
selon les demandes des occupants et ses préférences de confort sans tenir compte de la puissance
maximale disponible. Le SGEB, dans ce cas, n’est pas connecté au émulateur de bâtiment

Université de Grenoble INP 2012

Chapitre 5 : Validation temps réel hybride des algorithmes de gestion énergétique de G-homeTech 157

RTLAB. Nous avons obtenu le profil de la puissance moyenne soutirée sur le réseau sans G-
homeTech qui montre un dépassement de la puissance souscrite dans deux périodes de temps.

Une autre simulation a alors été faite. Cette fois, les consignes de fonctionnements sont
envoyées par le SGEB vers l’émulateur de bâtiment RTLAB en tenant compte des mêmes
demandes des occupants que dans la première simulation, via les fichiers de configuration de G-
homeTech ([Link] et [Link]). Dans cette simulation, le plan anticipatif peut être
respecté ou non, et la gestion réactive du G-homeTech peut être intervenu ou pas. Dans tous les
cas, le gestionnaire énergétique a permit d’éviter les dépassements de souscription soit par
effacement soit par décalage de fonctionnement des services temporaires dans les périodes où il
y a moins de contraintes.

Université de Grenoble INP 2012

 Conclusion générale

Cette thèse a pour objectif d’analyser la pertinence du système de gestion énergétique pour
le bâtiment nommé G-homeTech. Pour y parvenir, différents principes de validation par
simulation virtuelle et semi virtuelle (sur banc temps réel hybride) sont proposés et mis en
oeuvre.
Pour étudier les performances du système de gestion énergétique, il a fallu construire et
paramétrer des modèles spécifiques de charges domestiques, de sources énergétiques,
introduire et formaliser les contraintes d’abonnement, de coût variable d’achat et de revente
d’électricité et enfin, prendre en compte les préférences des occupants.
Un principe de validation par simulation virtuelle a été mis au point. Pour ce faire, il a fallu
résoudre les problèmes de disparités tant technologiques que physiques avec des disparités de
dynamique entre les modèles électriques et thermiques mais aussi les dynamiques réactives et
anticipatives du gestionnaire énergétique.
Afin de se rapprocher de la réalité physique, un principe de validation virtuelle a aussi été
mis au point : il s'appuie sur un banc temps réel et hybride qui permet de combiner à la fois
des composants matériels et des logiciels dans les simulations. Cela a permis d'insérer des
actionneurs communicants pour tester leur pertinence.
Les validations menées montrent que le gestionnaire énergétique permet l'effacement de
pointes de consommation et des économies sur la facture énergétique globale tout en
respectant les contraintes techniques et réglementaires.
La validation virtuelle des algorithmes de gestion de G-homeTech dans un contexte de
contrôle par le coût de l’énergie électrique a été validé par un couplage avec un simulateur de
la maison virtuelle « Gershwin » créé par le centre scientifique et technique du bâtiment
(CSTB) dans l'environnement Matlab/Simulink/SIMBAD. Nous avons montré qu'il est
possible de réaliser des économies allant jusqu’à 0.84€/jour (environ 300€/an). Pour tester les
performances de G-homeTech dans un environnement réel avec des équipements émulé
physiquement, nous avons effectué une simulation basée sur un contrôle direct de l’énergie
électrique qui montre que le gestionnaire a toujours respecté la contrainte d’abonnement.
Dans les deux cas tests, les évènements prédits ne sont pas toujours ceux qui se produisent.
Nous avons simulé de telles situations. La radiation solaire et la consommation totale des
services non contrôlables sont différentes de celles prédites. Cette différence a conduit à des
dépassements de puissance électrique souscrite qui a activé le mécanisme de gestion réactive
du gestionnaire énergétique. Des ordres de délestage sont alors dynamiquement envoyés à
certains équipements. Ces ordres sont transmis directement aux modèles des équipements
électriques dans le cas de la co-simulation virtuelle ou bien via une « prise gigogne » dans le
cas de la simulation temps réel hybride.
 Dans tous les cas, suivant les importances relatives données au coût et au confort, nous
avons montré que le gestionnaire énergétique permet de faire des économies substantielles en
évitant les consommations durant les pics de prix et évitant les dépassements de souscription
par effacement, par modulation du fonctionnement des systèmes de chauffage et par décalage
de fonctionnement des services temporaires dans les périodes plus intéressante
énergétiquement.

Les suites probables à moyen terme sont :

- d'élargir le cas test à d’autres équipements et d'enrichir la bibliothèque de modèles de
G-homeTech
- d'explorer les gains potentiels dans les systèmes autonomes avec des critères
antithétiques que sont le confort, l’autonomie et le coût du stockage
- d'intégrer le véhicule hybride rechargeable comme charge supplémentaire dans les
systèmes bâtiment et d'utiliser leurs capacités de stockage.
- d'intégrer le comportement réactif et délibératif d'occupants dans la validation
A plus long terme, des logements/bureaux, des ressources locales renouvelables et des
véhicules hybrides rechargeables peuvent être associés et être considérés comme des briques
élémentaires de systèmes semi-autonomes. Ils peuvent couvrir des groupes d’habitations, des
quartiers semi-résidentiel, voire des villes. On peut ainsi envisager un concept de
« clusterisation » à différents échelles : de la coopérative énergétique à la centrale réversible
de très grande puissance.

La notion de réseau d’énergie est extensible aux ressources non électriques (thermique,
gaz) où le bâtiment est aussi un acteur majeur où doivent se rencontrer l’énergie et
l’information. Il va de soit que la notion d’optimisation de flux développée ici revêt toute son
importance.
 Bibliographie

[ADEM, 09] ADEME, Feuille de route sur les réseaux et système électriques intelligents intégrant les énergies
renouvelables. Edition 2009.
[ADEM, 10] ADEME ; Collection Chiffres clés, BATIMENT ENERGIE-ENVIRONNEMENT. Edition 2010
[ADEM-PV]ADEME, Agence de l’Environnement et de la Maîtrise de l’Energie : l’Electricité Solaire
Photovolatique dans le bâtiment. Retour d’expérience en France du Projet Européen Hip Hip Avancées et
réalisations.
[AFNO, 06] AFNOR: Ergonomie des ambiances thermiques, détermination analytique et interprétation du
confort thermique par le calcul des indices PMV et PDD et par des critère de confort thermique local. Norme
européenne, norme française (2006).
[ALEA, 11] Agence Locale de l’Energie de l’Agglomération Lyonnaise : Maîtrise de l’énergie-Energies
renouvelables-Qualité Environnementale des bâtiments. Le prix de l’énergie dans le bâtiment. mai 2011.
[Link]
[ARMA, 10] Sous le soleil exactement. Pour le solaire décatlon MADRID 2010.
[Link]
[ARRE, 03] Ministère de l'économie, des finances et de l'industrie, "Arrêté du 17 mars 2003 relatif aux
prescriptions techniques de conception et de fonctionnement pour le raccordement à un réseau public de
distribution d’une installation de production d’énergie électrique" (Journal Officiel de la République française,
N°93, NOR : INDI0301276A, 19 avril, 2003, pp. 7005-7008).
[BARG, 88] D. Bargiotas, J. Birdwell; "Residential air conditioner dynamic model for direct load control" IEEE
Transactions on Power Delivery, vol.3, no 4, pp 2119_2126, October 1988
[BARR, 00] A. O. Barry, F. Guay, S. Guerette, P. Giroux, "Digital real-time simulation for distribution
systems", IEEE 9th International Conference on Transmission and Distribution Construction, Operation and
Live-Line Maintenance Proceedings, pp 252 – 258; Montreal Quebec Canada, 2000.
[BRAU, 09] [Link], "Virtual Power Plant Functionalities: Demonstrations in a large laboratory for
distribution energy resources"; 20th International Conference and Exhibition on Electricity Distribution - Part 1,
2009, pp 1-4, CIRED 2009,
[BRUN, 04] [Link], "Validité d’une évaluation in situ via la méthode du Magicien d’Oz",
(RJC-IHM 2004, Lacanau (France), 20-22 octobre 2004, pp. 87-90
[Link]
[BP, 07] Berkholz, P.; Brückner, A.; Kruschwitz, A.; Stamminger, R.: "Definition und Ermittlung
verhaltensabhängiger Energieeinsparpotentiale beim Betrieb elektrischer Haushaltswaschmaschinen". Research
report Uni Bonn for Bundesministerium für Wirtschaft und Technologie BMWI - Projektnummer: 86/05 Shaker-
Verlag, Aachen. (ISBN – 978-3-8322-6333-1), 2007.
[Link]
verhaltensabhaengiger-energieeinsparpotentiale-beim-betrieb-elektrischer-haushaltswaschmaschinen
[CAIR, 04] R. Caire, "Gestion de la production décentralisée dans les réseaux de distribution", Ph.D.
dissertation, Dept. Elect. Eng., Institut National Polytechnique de Grenoble (INPG), Grenoble, 2004.
[CALV, 04] F. Calvino, M.L. Gennusca, G. Rizzo, G. Scaccianoce, "The control of indoor thermal comfort
conditions: introducing a fuzzy adaptive controller", Energy and Buildings, Vol 36, no 2, pp 97-102, February
2004.
[CHAB, 97] B. Chabot, "La nécessité de changer de comportement. Un monde d'énergies à conquérir".
Écodécision, n° 36, 1997, pp. 11-15 ; cf. p. 12.
[CHEN, 12] H. Chenailler, "L’efficacité d’usage énergétique : pour une meilleure gestion de l’énergie électrique
intégrant les occupants dans les bâtiment", PhD, dissertation, Dept. Elect. Eng., Institut National Polytechnique
de Grenoble (INPG), Grenoble, 2012.
[CLAR, 02] J.A Clarke, J Cockroft, S Conner, J.W Hand, N.J Kelly, R Moore, T O’Brien, P Strachan;
"Simulation-assisted control in building energy management systems"; Energy and Buildings, Vol 34, no 9, pp
933-940, October 2002,
[CRAC1, 10] O. Craciun, «Méthodologies de modélisation et simulation temps réel hybride pour l'analyse des
réseaux électriques d'éclairage», Ph.D. dissertation, Dept. Elect. Eng., Institut National Polytechnique de
Grenoble (INPG), Grenoble, Juillet, 2010
[CRAC2, 10] O. Craciun, A. Florescu, S. Bacha, I. Munteanu and A. I. Bratcu, “Hardware-in-the-loop testing of
PV control systems using RT-Lab simulator”, EPE-PEMC 2010 (14th International Power Electronics and
Motion Control Conference), Ohrid, Macedonia, 2010
[CRAC, 11] O. Craciun, A. Florescu, I. Munteanu, S. Bacha, A. I. Bratcu and [Link], “Protection Devices
Testing based on Power-Hardware-in-the-Loop Simulation”, IECON2011 (37th Annual Conference of the IEEE
Industrial Electronics Society), Melbourne, Australia, 2011
[CUI, 08] [Link], [Link], J.D. Spitler, [Link]; "Simulation of hybrid ground-coupled heat pump with domestic
hot water heating systems using HVACSIM+" ; Energy and Buildings, Vol 40, no 9, pp 1731-1736, 2008,
[DAMI, 97] A. Damien, A., Virgone, J., Fraisse, G. "Modélisation thermique d’un bâtiment monozone dans
l’environnement TRNSYS". Bulletin Scientifique de l’UTCB (Université Technique de Construction de
Bucarest), n°3, pp 17-27; 1997.
[DAS, 02] S.K. Das, D.J. Cook, A. Bhattacharya, E.O. Heierman, T.Y. Lin, "The role of prediction algorithm in
the MavHome smart home architecture", IEEE Wireless Communication, vol. 9, no6, pp. 77-84, 2002.
[DAVI, 07] [Link], "Participation aux services système de fermes d’éoliennes à vitesse variable intégrant
du stockage inertiel d’énergie". PhD, dissertation, Dept. Elect. Eng, Université Lille1 - Sciences et
Technologies, 2007.
[ECC, 01] Stamminger, R. 2001: Energy consumption of domestic appliances in European households, CECED
report. [Link]
[DEVA, 98] O. Devaux, L. Levacher and O. Huet, "An advanced and powerful real-time digital transient
network analyser", IEEE Transanction on Power Delivery, vol. 13, pp. 421-426 , April 1998.
[DUFO, 05] C. Dufour, S. Abourida, G. Nanjundaiah and Jean Bélanger, “RT-LAB Real Time Simulation of
Electric Drives and Systems,” National Power Electronics Conference – NPEC 2005, Kharagpur, India,
December 2005. [Link]
[DUFO, 06] C. Dufour, J. Bélanger, "Real-Time Simulation of Fuel Cell Hybrid Electric Vehicles",
International Symposium on Power Electronics, Electrical Drives, Automation and Motion, 2006. SPEEDAM
2006. pp 930 – 936, Quebec, May, 2006.
[EISE, 11] [Link]; associate Director Centre for Energy Efficient Design UCSB. "An integrated
framework for parametric design using building energy models". LBL September 22, 2011:
[Link]
[ELLI, 05] P G Ellis, P A Torcellini; "Simulating Tall Buildings Using EnergyPlus" in Proceedings of Building
Simulation 2005, 15-, Montreal, Quebec, Canada. IBPSA. 18 August 2005
[ENRP, 11] [Link], " Le marché du solaire thermique français enregistre une légère baisse en 2011. La
progression du collectif compense la baisse en individuel ", Enerplan, 06 Février 2012.
[ESRU, 02] ESRU, “The ESP-r System for Building Energy Simulation—User Guide Version 10 Series; ESRU
manual U02/1”, University of Srathclyde, Energy Systems Research Unit, Glasgow, Scotland, 2002.
[Link]
[ETXE, 02] Etxeberria-Otadui, I.; Manzo, V.; Bacha, S.; Baltes, F.; , "Generalized average modelling of FACTS
for real time simulation in ARENE," IECON 02 [Industrial Electronics Society, IEEE 2002 28th Annual
Conference of the] , vol.2, no., pp. 864- 869 vol.2, 5-8 Nov. 2002 doi: 10.1109/IECON.2002.1185385
[EUDE, 09] Eudeep Project, [Link]
[EUP, 07] Presutto, M; “Preparatory Studies for Eco-design Requirements of EuPs” (Tender TREN/D1/40-
2005) LOT 13, Task 1-2: Domestic Refrigerators & Freezers ([Link]), 2007
[Link]
[EUP, 10] Presutto, M; 2007: Preparatory Studies for Eco-design Requirements of EuPs (Tender TREN/D1/40-
2005) LOT 14, Task 1: Dishwashing Machines ([Link])
[Link]
[EWEA, 12] The European Wind energy association; Wind in power 2011 European statistics.
[Link]
[EYNA, 10] [Link], “Gestion optimale de l’énergie dans un procédé multi-source pour le chauffage de
bâtiments”, PhD, dissertation, Dept. Elect. Eng , Université de Perpignan, 2010.
[Link]
[FANG, 74] P. O. Fanger, O. Östberg, A. G. McK. Nicholl, N. O. Breum et E. Jerking., “Thermal comfort
conditions during day and night” , European Journal of Applied Physiology and Occupational Physiology, Vol
33, no 4, pp 255-63, December 2004
[FARH, 10] Farhangi, H. “The path of the smart grid”. IEEE Power and Energy Magazine, vol 8, no 1, pp 18–
28. (2010)
[FERI, 06] [Link]-Ferik, S.A. Hussain, F.M. Al-Sunni; “Identification and weather sensitivity of physically based
model of residential air-conditioners for direct load control: A case study”, Energy and Buildings, Vol 38, no 8,
pp 997-1005, August 2006.
[FLOV, 09] Flovent, “Optimization Data Center Cooling by Simulation”.
[Link]
[FORS, 04] P. Forsyth, T. Maguire and R. Kuffel, “Real time digital simulation for control and protection
system testing”, 2004 IEEE 35th Annual on Power Electronics Specialists Conference, vol 1, pp 329 – 335,
Aachen, Germany, 2004.
[FRAI, 02] Fraisse.G, Viardot.C, Lafabrie.O, Achard.G., “Development of a simplified and accurate building
model based on electrical analogy”, Energy and Buildings, Vol 34, no 10, pp 1017-1031, November 2002.
[FRIT, 03] P. Fritzson, “Principles of Object-Oriented Modeling and Simulation with Modelica 2.1”, 2003
[Link]
[FROM, 07] Fromby, R., “Task Xi: Time of use pricing and energy use for demand management delivery”.
Tech. rept. IEA - international energy agency. 2007
[Link]
[FROP, 11] L. Froppier, “Sensitivity analysis of an internal renewable energy market for Swedish housing
cooperatives”, rapport de stage de 2ème année 2010-2011; Industrial Information and Control Systems.
[GAZT1, 06] H. Gaztañaga, I. Etxeberria, S. Bacha, D. Roye, « Real-Time Analysis of the Control Structure and
Management Functions of a Hybrid Microgrid System », IEEE – IECON 2006, Paris
[GAZT2, 06] H. Gaztañaga Arantzamendi, "Etude de structures d’intégration des systèmes de génération
décentralisée: Application aux microréseaux", Ph.D. dissertation, Dept. Elect. Eng., Institut National
Polytechnique de Grenoble (INPG), Grenoble, December, 2006
[GAZT, 07] H. Gaztañaga, Ion Etxeberria-Otadui, Dan Ocnasu, Seddik Bacha, « Real-Time Analysis of the
Transient Response Improvement of Fixed-Speed Wind Farms by Using a Reduced-Scale STATCOM
Prototype », IEEE Transactions on Power Systems, Vol. 22, No. 2, May 2007.
[GEA, 07] Group for Efficient Appliances GEA, “Long-term efficiency targets, technical and economical
analyses – Washing machines, driers and dishwashers”. Volume 3. Group for efficient appliances, EnR –
working group. 2007.
[Link]
[GERG, 02] O. Gergaud, “Modélisation énergétique et optimisation économique d’un système de production
éolien et photovoltaïque couplé au réseau et associé à un accumulateur”, PhD de l’École Normale Supérieure de
Cachan, 2002.
[Link]
[GICK, 96] B. Gick, T. Gallenkamp, T. Wess, “Introducing Digital Simulation Into An Analogue Real-time
Power System Simulator”, Sixth International Conference on AC and DC Power Transmission, pp 369 – 374,
May 1996.
[GOMB, 03] C. Gombert, « Etat de l’art sur la simulation numérique temps-réel, problématique de la simulation
de dispositifs à base d’électronique de puissance et solutions », Note Technique GIE No: NTe/Mo43/03/002/A,
juin 2003
[GOMB, 04] C. Gombert, S. Bacha, D. Roye, Y. Bésanger, F. Blache, R. Chareille “Digital real-time
simulation of PWM power electronics devices” 2th International Conference on Critical
Infrastructures CRIS2004, 25-27 octobre 2004, Grenoble, France
[GOMB1, 05] C. Gombert, « Simulation temps-réel des dispositifs d’électronique de puissance dédiés aux
réseaux d’énergie électrique », Ph.D. dissertation, Dept. Elect. Eng., Institut National Polytechnique de Grenoble
(INPG), Grenoble, September, 2005
[GOMB2, 05] C. Gombert, S. Bacha, D. Roye, Y. Besanger, F. Blache : « Simulation Temps Réel de
systèmes à base d’Electronique de Puissance. Application au SVG » Revue Internationale de Génie
Électrique (RIGE) Editions Hermès Vol 5 N°6/2005
[GOMB3, 05] C. Gombert – S. Bacha – D. Roye – Y. Bésanger – F. Blache – R. Chareille “Test of PWM Power
Electronics Devices for Electricity Network Using Digital Real-Time Simulator” International Conference on
Electricity Distribution CIRED’05, 06-09 juin 2005, Turin, Italie
[GOMB1, 06] C. Gombert, D. Ocnasu, S. Bacha, D. Roye, Y. Bésanger, « Test of a PWM Controller using
Real-Time Digital Simulation », International Review of Electrical Engineering (I.R.E.E.), Dec. 2006
[GOMB2, 06] C. Gombert, D. Ocnasu, S. Bacha, D. Roye, Y. Besanger “Test of a PWM controller using a Real-
Time Digital Simulator” International Review of Electrical Engineering, IREE Décembre 2006 , Vol. 1. n. 5, pp.
646-653.
[GUIL, 10] Guillermo E.E, Isidoro S.H, Manuel A.O; “Application of an energy management and control
system to assess the potential of different control strategies in HVAC systems”, Energy and Buildings, Vol 42,
no 11, pp 2258-2267. November 2010
[HA, 06] D. L. Ha, S. Ploix, E. Zamai, & M. Jacomino, “Tabu search for the optimization of houshold energy
consumption”, International Conference on Information Reuse and Integration IEEE IRR : Heuristic Systems
Engineering, pp 86 – 92, Waikoloa, Hawai, USA. (2006).
[HA, 07] D. L. Ha ; “Un système avancé de gestion d’énergie dans le bâtiment pour coordonner production et
consommation”. PhD en Électronique, Électrotechnique, Automatique, Traitement du Signal, Université de
Grenoble (2007).
[HA, 12] D.L. Ha, H. Joumaa, S. Ploix, M. Jacomino. “An optimal approach for electrical management problem
in dwellings”. Energy and Buildings, Vol 45, pp 1-14, February 2012,.
[HAN, 98] Y.D. LiHan Han, Z.H. Wang, M. Claus, D. Retzmann, D. Povh, "Verification of HVDC controller
using an advanced hybrid real time simulator", Proceedings. POWERCON '98. 1998 International Conference on
Power System Technology, 1998 , Vol 1, pp 493 – 497, 1998.
[HANS, 93] H. Hanselmann, “Hardware-in-the-Loop Simulation Development and Test of Electronic Control
Units and Mechanical Components”, The Real Time Conference, January 13-15, 1993, Paris.
[HAWA, 10] L. Hawarah, M. Jacomino, S. Ploix, “User behavior prediction in energy consumption in housing”
ICAISC'10 Proceedings of the 10th international conference on Artificial intelligence and soft computing: Part I,
vol 6113, pp 372-379, 2010.
[HELA, 03] S. Helal, B. Winkler, C. Lee, Y. Kaddoura, L. Ran, C. Giraldo, S. Kuchibhotla, W. Mann,
“Enabling location-aware pervasive computing applications for the elderly”, Proceedings of the First IEEE
International Conference on Pervasive Computing and Communications, 2003. (PerCom 2003). pp 531 – 536,
Mars 2003.

[HELA, 05] S. Helal, W. Mann, H. El-Zabadani, J. King, Y. Kaddoura, E. Jansen, “The Gator Tech Smart
House: a programmable pervasive space”, Journal Computer, vol 38, no 3, pp 50–60; (2005).
[Link]

[HENZ, 03] G. P. Henze et R. H. Dodier, “Adaptive optimal control of a grid-independent photovoltaic system”.
International Solar Energy Conference (SED2002), no. SED2002-1045 pp. 139-148
[HOME, 08] [Link]
[HOUS, 95] J. M. House, T. F. Smith, “Optimal control of building and HVAC systems”. In Proceddings of the
American Control Conference, vol 6, pp 4326 – 4330, Seattle, Washington, June 1995.
[HUAN, 04] K.-Y. Huang et Y.-C. Huang; “Integrating direct load control with interruptible load management
to provide instantaneous reserves for ancillary services”. IEEE Transactions on power systems, vol 19, no 3, pp
1626_1634, Aout 2004.
[HUAN, 11] L.C. Huang, Hong-Chan Chang, Cheng-Chung Chen, Cheng-Chien Kuo, “A ZigBee-based
monitoring and protection system for building electrical safety”, Energy and Buildings, Vol 43, no 6, pp 1418-
1426, June 2011.
[HUSA, 97] A. Husaunndee, R. Lahrech, H. Vaezi-Nejad, J.C. Visier, “SIMBAD: a simulation toolbox for the
design and test of HVAC control systems”, in: Proceedings of the Building Simulation ’97, Prague, Vol. 2, 1997.
[Link]
[IDE, 09] Rapport d’activité scientifique 2008-2009, “Pilotage des charges pour la fourniture de services aux
systemes electriques”.
[Link]
idea/FRANCAIS/telechargements/rapportActivitePlaquette/IDEArappActivite06_07vFinale.pdf
[IEA, 02] International energy agency, Distributed Generation in Liberalised Electricity Markets 2002.
[Link]
[IEA, 11] Key World Energy Statistics IEA 2011.
[Link]
[IEEE, 03] "IEEE Standard for interconnecting distributed resources with electric power systems", IEEE
Standard 1547, pp 0_1 – 16, 2003
[INTI, 02] S.S. Intille, “Designing a home of the future”, IEEE Pervasive Comput. Vol 1, no 2, pp 76–82.
(2002).
[Link]
[IPAK, 09] A. Ipakchi, et F. Albuyeh, “Grid of the future”. IEEE Power and Energy Magazine, vol 7, no 2, pp
52–62, (2009).
[JACO, 11] M. Jacomino, M. H. Le, et S. Ploix, “Home energy management : Loads planning under production
constraints”. OR Spectrum, révisé en juillet 2011.
[JAIN, 92] R. Jain. “The art of computer systems performance analysis Techniques for Experimental Design,
Measurement, Simulation, and Modeling”, 1992.
[Link]
or_Experimental_Measurements_Simulation_And_Modeling-Raj_Jain.pdf.
[JENS, 95] S.Ø Jensen. “Validation of building energy simulation programs: a methodology”, Energy and
Buildings journal, Vol 22, no 2, pp 133-144; 1995.
[JUDK, 08] R. Judkoff, D. Wortman, B. O’Doherty, and J. Burch; “A Methodology for Validating Building
Energy Analysis Simulations”; National Renewable Energy Laboratory; Technical Report NREL/TP-550-42059
April 2008.
[Link]
09/CEE215/ReferenceLibrary/BIM%20and%20Building%20Simulation%20Research/A%20Methodology%20f
or%20Validating%20Building%20Energy%20Analysis%[Link]
[KANC, 11] H. Kanchev, D. Lu, F. Colas, V. Lazarov, B. Francois. "Energy Management and Operational
Planning of a Microgrid With a PV-Based Active Generator for Smart Grid Applications" IEEE Transactions on
Industrial Electronics, Vol. 58, N°. 10, pages. 4583 - 4592, 10-2011
[KASH, 11] [Link], [Link] Le, [Link], [Link]; “Agent based framework to simulate inhabitants'
behaviour in domestic settings for energy management.” In Proceedings of the 3rd International Conference on
Agentsand Artificial Intelligence, pp 190-199, (2011).
[KEMA, 2006] KEMA. 2006. “2005 Smart Thermostat program impact evaluation”. Tech. rept. prepared for
San Diego Gas & Electric company. [Link]
[KHOU, 05] Z. El Khoury, P. Riederer, N. Couillaud, J. Simon, M. Raguin, “A multizone building model for
MATLAB/SIMULINK environment”, in: IBPSA Conference, Montréal, Canada, 2005.
[Link]
[KIDD, 99] C.D. Kidd, R.J. Orr, G.D. Abowd, C.G. Atkeson, I.A. Essa, B. MacIntyre, E. Mynatt, T.E. Starner,
W. Newstetter, “The aware home: a living laboratory for ubiquitous computing research”, in: Proceedings of 2nd
International Workshop on Cooperative buildings (CoBuild’99), 1999.
[Link]
[KOLO, 05] D. Kolokotsa, K. Niachou, V. Geros, K. Kalaitzakis, G.S. Stavrakakis, M. Santamouris,
“Implementation of an integrated indoor environment and energy management system”, Energy and Buildings,
vol 37, no 1, pp 93–99, (2005).
[Link]
[KONE, 10] O. Koné, C. Artigues, P. Lopez, et M. Mongeau; “Event-based milp models for resource
constrained project scheduling problems”, Computers and Operations Research journal, vol 38, no 1, pp 3-13,
(2010).
[LAMO, 11] M.Y. Lamoudi , [Link] and P.Béguery; “Distributed constrained Model Predictive Control
based on bundle method for building energy management”. 2011 50th IEEE Conference on Decision and
Control and European Control Conference (CDC-ECC) Orlando, FL, USA, pp 8118 – 8124, December 12-15,
2011
[LAUR, 01] A. J. P. Lauret, T. A. Mara, H. Boyer, L. Adelard, F. Gard, “ A validation methodology aid for
improving a thermal building model: case of diffuse radiation accounting in a tropical climate”, Energy and
Buildings Journal, Vol 33, no 7, pp 711-718; September 2001.
[LE, 11] M.-Hoang LE, “ Prise en compte des incertitudes de prédiction dans la gestion des flux d’énergie dans
l’habitat”. PHD, Électronique, Électrotechnique, Automatique, Traitement du Signal, de l’université de Grenoble
(2011).
[LEHM, 96] J. F. Lehman, J. Laird, P. Rosenbloom, “A gentle introduction to Soar, an architecture for human
cognition”, Vol. 4, MIT Press, 1996
[Link]
[LESG, 09] V. Lesgards, “Réseaux électriques intelligents et gestion de la demande : concordances et
discordes”; Technical report, EDF Research and Development, EFESE R16, (2009).
[LESS, 99] V. Lesser, M. Atighetchi, B. Benyo, B. Horling, A. Raja, R. Vincent, T. Wagner, P. Xuan, S.X.Q.
Zhang, “The intelligent home testbed”, in: Proceedings of Autonomy Control Software Workshop, January,
1999, p. 8.
[Link]
[LEVE, 92] G.J. Levermore, “Building Energy Management Systems: An Application to Heating and Control”,
E & FN SPON, London, 1992.
[LOPE, 96] P. Lopez, P. E.; “Consistency enforcing in scheduling: A general formulation based on energetic
reasoning”. In 5th International Workshop on Project Management and Scheduling, (1996);
[Link]
[LOVI, 04] A. B. Lovins. “Encyclopedia of Energy”, vol 2, chapter Energy Efficiency, Taxonomic Overview,
pp 383–401; Elsevier, San Diego and Oxford (UK), 2004.
[LUCA, 98] F. Lucas, T. Mara, F. Garde, H. Boyer, “A comparison between CODYRUN and TRNSYS,
simulation codes for thermal building behavior”, Renewable Energy, 15, Part. II, pp 1624-1633; (1998).
[MARA, 08] T.A. Mara, S. Tarantola; “Application of Global Sensitivity Analysis of Model Output to Building
Thermal Simulations, Journal of Building Simulation”, Vol.1, p.290-302; 2008.
[MEME, 04] RTE, «Mémento de la sûreté du système électrique », Edition 2004, [Link]
[MENE, 07] C. Ménézo , J.-B. Saulnier, D. Lincot, et G. Guarracino, “Energy, domotics, materials welcome to
the home of the future”. CNRS international magazine, vol 5, pp 18_27, (2007).
[MER, 11] [Link]
[MING, 98] A. Mingozzi, V. Maniezzo, S. Ricciardelli et L. Bianco, “An exact algorithm for the multiple
resource-constrained project scheduling problem based on a new mathematical formulation”. Management
Science, vol 44, no 5, pp 714–29; (1998).
[MISS, 10] [Link], [Link], S. Abras, [Link], [Link]; "Simulation temps réel pour la gestion des
flux énergétiques dans l'habitat". International Building Performance Simulation Association (IBSA), France
(2010)
[MISS1, 11] [Link], [Link], [Link], [Link], "Energy fluxes optimization for PV integrated
building", dans IEEE PowerTech 2011, Trondheim, Page(s): 1 - 7

[MISS2, 11] [Link], [Link], [Link], [Link], "PV integration by building Energy Management
System"; dans IEEE POWERENG 2011, Malaga, Spain, Page(s): 1 - 8

[MISS1, 12] [Link], [Link], [Link], [Link], [Link]; "Hardware-in-the-loop validation of

energy managed home thermal zone"; IEEE International Conference on Industrial Technology (ICIT) 2012,
Athens, Greece, Page(s): 421 – 425.
[MISS2, 12] [Link], [Link], [Link] and [Link] . Real Time Validation of an Optimization building
Energy Management Strategy based on Power-Hardware-in-the-loop Tool"; IEEE PES Innovative Smart Grid
Technologies (ISGT) 2012, Berlin, Germany, (en cours).
[MISS3, 12] [Link], [Link], [Link], [Link] and I. Etxeberria-Otadui. “Proposal and Real-Time
Validation of an Optimized Triple-Layer Building Energy Management Strategy”. Revue IEEE transaction on
Smart Grid. (en cours).
[MISS3, 12] [Link], [Link], [Link] and Hussein Joumaa. “Controlling Energy Smart Homes
Consumption Through Energy Price”. Revue Energy & Building. (en cours).
[MOHS, 10] A.-H. Mohsenian-Rad; A. Leon-Garcia; “Optimal residential load control with price prediction in
real time electricity pricing environments”, IEEE transactions on Smart Grid. Vol 1, no 2, pp 120 - 133 ISSN:
1949-3053; (2010).
[MORE, 00] N. Morel, M. Bauer, M. El-Khoury, J. Krauss. “Neurobat, a predictive and adaptive heating control
system using artificial neural networks”, International Journal of Solar Energy, vol 21 no (2–3), pp 161–201;
(2000).
[MOZE, 98] M.C. Mozer, “The neural network house: an environment that’s adapts to its inhabitants”, in
Proceedings of the AAAI Spring Symposium on Intelligent Environments, Technical Report SS-98-02, AAAI
Press, Menlo Park, CA, U.S.A, pp. 110–114, 1998.
[MULT, 06] B. Multon, J. Seigneurbieux, M. Ruellan, H. Ben Ahmed. “Energie et développement durable”,
l’ENSET/ENS de Cachan. février 2006
[MULTI, 08] [Link]
[MUNT1, 10] I. Munteanu, A. I Bratcu, S. Bacha, D. Roye, J. Guiraud “Hardware-in-the-loop Simulator for a
Class of Variable-speed Wind Energy Conversion Systems: Design and Performance Assessment” IEEE
Transactions on Energy Conversion Volume 25, issue 2, pp 564-576, june 2010
[MUNT2, 10] I. Munteanu, A.I. Bratcu, S. Bacha , D. Roye : Chapter 10 : ”Real-time physical simulation of
wind energy conversion systems” dans Wind Power, S M Muyeen (Ed.), ISBN: 978-953-7619-81-7, INTECH
pp 233 -258 , juin 2010
[Link]
[MUNT1, 10] I. Munteanu, A. Bratcu, M. Andreica; Seddik Bacha, Daniel Roye, Joel Guiraud; A new
method of real-time physical simulation of prime movers used in energy conversion chains Journal:
Simulation Modelling Practice and Theory , Elsevier Volume 18, Issue 9, ,October 2010 , pp 1342-
1354
[MULTI, 10] P. Périchon, [Link]. “Le projet ANR Multisol”, Journées thématiques PREBAJ 2010 : valable
sur : [Link]
[MUSE, 00] M. Muselli, G. Notton, P. Poggi et A. Louche, “Pv-hybrid power system sizing incorporating
battery storage: an analysis via simulation calculations”. Renewable Energy, vol 20, pp 1_7; 2000.
[NAKR, 95] H. Nakra, R.L. Vaughan, C. Gagnon, A. Venne, C. Thomassin, J. Gagnon, "Realtime simulator for
power system dynamics studies" IEEE Transactions on Power Systems, Vol 10, no 2, pp 1063 – 1070, May
1995.
[NEGE, 08] R. Negenborn, M. Houwing, B. De Schutter, and H. Hellendoorn, “Adaptive prediction model
accuracy in the control of residential energy resources,” in Proc. IEEE Int. Conf. Control Applicat., pp. 311–316.
2008.
[NEST, 09] D. Nestle, J. Ringelstein, “Integration of DER into Distribution Grid Operation and Decentralized
Energy Management”; Smart Grids Europe 19.03, Barcelona, 2009.
[Link]
[Link]/fileadmin/templateSHSG/docs/publications/Dezentralized_EM_Smartgrids_Barcelona_Nestle.pdf
[NIKO, 04] T. Nikolaou, D. Kolkotsa et G. Stavrakakis; “HandBook for Intelligent Building”, (2004).
[Link]
[NOME, 10] SEA conseil en stratégies. “ Production d’électricité en France : 2010, année de tous les
changements ? Essai de typologie des producteurs d’électricité en France dans la perspective de la Loi NOME”.
Avril 2010.
[Link]
[NOUI, 11] T.S. Nouidui, M. Wetter, Z. Li, X. Pang, P. Bhattacharya et P. Haves; “BACnet and analog/digital
interfaces of the Building Controls Virtual Test Bed”, Proceedings of 12th International IBPSA Conference
Building Simulation, pp. 294-301, Nov 14-17, 2011, Sydney,Australia; 2011.
[OCNA, 07] D. Ocnasu, «Modélisation, Commande et Simulation Temps-Réel Hybride des Systèmes de
Génération Non Conventionnels», Ph.D. dissertation, Dept. Elect. Eng., Institut National Polytechnique de
Grenoble (INPG), Grenoble, Octobre, 2008.
[OCNA1, 07] D. Ocnasu, C. Gombert, S. Bacha, D. Roye, F. Blache, « Real-Time Hybrid Facility for the Study
of Distributed Power Generation Systems », International Conference on Renewable Energies, Bejaia, 2007.
[OCNA, 08] D. Ocnasu, C.. Gombert, , S. Bacha, D. Roye , F. Blache, S. Mekhtoub, “Real Time hybrid facility
for the study of distributed generation systems”, Revue des énergies renouvelables, ES ISSN 1112-2342,
Vol.11, N°3, pp 329-341, September 2008.
[OLIV, 06] Olivier RICHARDOT, Réglage Coordonné de Tension dans les Réseaux de Distribution à l'aide de
la Production Décentralisée, , PhD. dissertation, Dept. Elect. Eng., Institut National Polytechnique de Grenoble
(INPG), Grenoble 2006.
[OZ, 12 ] [Link]
[PANG, 11] [Link], [Link], Z.O’Neill, [Link], [Link], and [Link]; “ Real time building energy
simulation using EnergyPlus and the building controls virtual test bed”. Proceedings of Building Simulation:
12th Conference of International Building Performance Simulation Association, Sydney, 14-16, November 2011.
[Link]
[PARA, 98] [Link], [Link].1998. “Load management: techniques and methods in electric power system”.
IEEE Energy Management and Power Delivery, vol 1, pp 213-217, 1998.
[PARI, 10] B. Paris, J. Eynard, S. Grieu, T. Talbert, M. Polit ; “Heating control schemes for energy management
in buildings”. Energy and Buildings, vol 42, no 10, pp 1908-1917, October 2010.
[PENG, 11] Du. Pengwei ; Lu. Ning; “Appliance commitment for household load scheduling”. IEEE
transactions on Smart Grid, vol 2, no 2, pp 411 - 419 ISSN: 1949-3053, (2011)
[PIER, 83] Ineichen, Pierre, "Quatre années de mesures d'ensoleillement à Genève", Thèse à l’université de
Genève, No 2089, 1983
[PIET, 07] M.A. Piette , D. Watson, N. Motegi et S. Kiliccote, “Automated critical peak pricing field tests:
2006 pilot program description and results”. Tech. rept. Ernest Orlando Lawrence Berkeley national laboratory;
2007.
[Link]
[PNEX, 09] Powernext (powering the next markets) rapport d’activité 2009.
[Link]
[QUEN, 11] D. Quenard, “Bâtiment à Energie Positive et Mobilité”. Grenoble 2011. CSTB
[Link]
[REAC, 09], [Link]
[REPE, 10] Repères, Chiffre clés de l’énergie édition 2010. Commissariat Général au développement durable,
Octobre 2010
[Link]
[RIED, 03] [Link], “From sizing and hydraulic balancing to control using the Simbad Toolbox”.Eighth
International IBPSA Conference Eindhoven, Netherlands August 11-14, 2003
[Link]

[RIFF, 08] Y. Riffonneau, F. Barruel and S. Bacha, « Problématique du stockage associé aux systèmes
photovoltaïques connectés au réseau » Revue des Energies Renouvelables Vol. 11 N°3 (2008) 407 - 422
[RIFF, 09] Riffonneau, Y.; Bacha, S.; Barruel, F.; Delaille, A.; "Energy flow management in grid connected PV
systems with storage - A deterministic approach," Industrial Technology, 2009. ICIT 2009. IEEE International
Conference on Industrial Technology, vol., no., pp.1-6, 10-13 Feb.2009.
[RIFF, 11] Riffonneau, Y.; Bacha, S.; Barruel, F.; Ploix, S. "Optimal Power Flow Management for Grid
Connected PV Systems With Batteries," IEEE Transactions on Sustainable Energy, vol.2, no.3, pp.309-320, July
2011.
[ROMO, 08] [Link]
[RONC, 08] J. R. Roncero, “Integration is key to smart grid management”; In SmartGrids for Distribution, IET-
CIRED. CIRED Seminar, Frankfurt, Germany, pp. 1-4, 2008.
[RTE, 09] Documentation Technique de Référence Chapitre 4 – “Contribution des utilisateurs aux performances
du RPT”, Article 4.1 – Réglage Fréquence/Puissance ; RTE 2009.
[Link]
[RTE, 10] RTE, réseau de transport d’électricité. Le bilan électrique Français 2010 : Jeudi 20 Janvier 2011.
[Link]
2011/2011_01_20_DP_Bilan_electrique_francais_2010.pdf
[RTE, 11] RTE, réseau de transport d’électricité. 2011. “Bilan prévisionnel de l’équilibre offre-demande
d’électricité en France”. Tech. rept. Réseau de transport d’électricité.
[Link]
[Link]/uploads/Mediatheque_docs/vie_systeme/annuelles/bilan_previsionnel/bilan_complet_2011.pdf
[SALB, 92] [Link]. “Le Projet Neimo: une plate-forme Magicien d'Oz multimodale”. Proceedings of
Quatrièmes Journées sur l'Ingénierie des Interfaces Homme-Machine IHM'92 (Paris, France), pp.66-71, 1992.
[Link]
[SALO, 05] T. Salomon, R. Mikolasek et B. Peuportier, “Outil de simulation thermique du bâtiment, COMFIE”,
Journée thématique SFT-IBPSA mars 2005
[Link]
[SDER, 08] Syndicat des énergies renouvelables. “Le solaire thermique en France”. Novembre 2008.
[Link]
[SIDL, 99] C.O Sidler, PW. Consulting, “Maîtrise de la demande d’Electricité Etude expérimentale des
appareils de caisson, de froid ménager et séchage dans 100 logements”. Projet ECUEL. Programme save contrat
N° 4.1031/Z/96-146. Rapport final 1999.
[SIER, 07] M. Sierhuis, W. J. Clancey, R. van Hoof, “Brahms - a multiagent modeling environment for
simulating work practice in organizations”, International Journal of Simulation and Process Modelling, vol. 3,
no.3, 2007.
[SIDO, 10] Rapport Poignant – Sido Groupe de travail sur la Maîtrise de la pointe électrique Avril 2010
[Link]
[SILV, 11], David DA SILVA, “Analyse de la flexibilité des usages électriques résidentiels”. PhD in Mines
ParisTech, mécanique des fluides et énergétique, Décembre 2011.
[SOBC, 81] N.L Sobczak, “Human-machine interface in building automation systems”, Proceedings from the
third Industrial Energy Technology Conference Houston, TX, April 26-29, 1981
[Link]
[SOKO, 09] A. John, Sokolowski, “M. Catherine. Principles of Modeling and Simulation: A Multidisciplinary
Approach”, [Link]
[STAD, 06] M. Stadler, R. Firestone, D. Curtil, C. Marnay. "On-Site Generation Simulation with EnergyPlus for
Commercial Buildings," in Proceedings of the 2006 ACEEE Summer Study on Energy Efficiency in
Buildings,13-18, Pacific Grove, California. ACEEE: Washington, D.C, August 2006.
[Link]
[STAM, 08] R. Stamming, Rh. Friedrich. “Synergy potential of smart appliances”. D.23 of WP 2 from the
Smart-A project; A report prepared as part of the EIE project, Smart Domestic Appliances in Sustainable Energy
Systems (Smart-A); supported by Intelligent Energy Europe; 2008
[TAPI, 04] E.M. Tapia, S.S. Intille, K. Larson, “Activity recognition in the home using simple and ubiquitous
sensors”, in: A. Ferscha, F. Mattern (Eds.), Proceedings of Pervasive 2004, vol. LNCS 3001, Springer-Verlag,
Berlin/Heidelberg, pp. 158–175, 2004.
[THIA, 10] Yaël Thiaux, « Optimisation des profils de consommation pour minimiser les coûts économique et
énergétique sur cycle de vie des systèmes photovoltaïques autonomes et hybrides Évaluation du potentiel de la
technologie Li-ion », Ph.D. Laboratoire SATI de l’école normale supérieure de Cachan.
[SEIG, 07] [Link], [Link], [Link], [Link] Ahmed ; "Optimisation sur cycle de vie de systèmes
photovoltaïques autonomes. Influence des profils de consommation," Electrotechnique du Futur 2005,
TOULOUSE : France (2007)
[THIA, 09] [Link], [Link], [Link], [Link], [Link] Ahmed; "Comparison between Lead-
Acid and Li-Ion Accumulators in Stand-Alone Photovoltaic System Using the Gross Energy Requirement
Criteria"; 24th European Photovoltaic Solar Energy Conference, HAMBURG : Allemagne (2009)
[THOM, 07] Thomas, S., 2007: Erhebung des Verbraucherverhaltens bei der Lagerung verderblicher
Lebensmittel in Europa, Dissertation, Shaker-Verlag Aachen; Bonn 2007.
[TURK, 10] H. Turker, S. Bacha et D. Chatroux; “Impact of Plug-in Hybrid Electric Vehicles (PHEVs) on the
French electric grid”; IEEE PES Conference on Innovative Smart Grid Technologies Europe (IEEE ISTG)
pp.11-13 Octobre 2010.
[TURK, 12] H. Turker, [Link], D. Chatroux, A. Hably; “Rule Based Algorithm for Plug-in Hybrid Electric
Vehicles (PHEVs) Integration in Residential Electric Grid Areas”. 2012 IEEE PES Conference on Innovative
Smart Grid Technologies, pp.1-7, Washington, 17-19 ; janv 2012
[VENU, 09] Venu, C.; Riffonneau, Y.; Bacha, S.; Baghzouz, Y. "Battery Storage System sizing in distribution
feeders with distributed photovoltaic systems," IEEE PowerTech, 2009 Bucharest proceedings June 28 2009-
July 2 2009
[VER, 05] Livre vert sur l’efficacité énergétique; Comment consommer mieux avec moins
[Link]
[WACK, 91] K. Wacks; “Utility load management using home automation”. IEEE journal, Consumer
Electronics, IEEE Transactions on Volume: 37, Issue: 2; 1991.
[WACK, 93] Wacks, K.. “The impact of home automation on power electronics”. In Applied Power Electronics
Conference and Exposition, pages 3 _ 9; 1993.
[Web_CSTB] [Link]
[Web_GREN] [Link]
[Web_HANS][Link]
consequences-seraient-tres-sous-estimees_18414/
[Web_NOME] [Link]
[Web_RT] [Link]
[Web_SB] [Link]
[Web_SCHN] [Link]
ts/oem/Livre_Blanc_Efficacite_Energetique_des_Machines.pdf
[WETT, 10] M. Wetter, “Co-simulation of Building Energy and Control Systems with the Building Controls
Virtual Test Bed”. Journal of Building Performance Simulation, vol.3, no.4, 2011.
[WWF, 10] Living planet report 2010. Technical report, World Wildlife Fund,
[Link]
[XU, 04] [Link] et [Link], “A Simulation-Based Testing and Training Environment for Building Controls”,
Presented at SimBuild 2004. [Link]
[YAMA, 05] S. Yamamoto, K. Sumi, E. Nishikawa, T. Hashimoto, “An Operating Method using Prediction of
Photovoltaic Power for a Photovoltaic – Diesel Hybrid Power Generation System”, Electrical Engineering in
Japan, Vol.151, N°3, 2005.
[ZECR, 00] M. Zecri, H. Schneider, I. Etcheverry, A. Braham, "Analogue real time emulation for power
converters", Power Electronics and Motion Control Conference, Proceedings of the The Third International
PIEMC 2000, pp. 502 - 507 vol.1, 2000.
[ZHOU, 05] G. Zhou et M. Krarti,. Parametric analysis of active and passive building thermal storage
utilization. Journal of Solar Energy Engineering, Vol. 127, pp.37_46. (2005).