Player is loading...
Planifier le quartier de demain avec l’IA
Diane von Gunten, CREM
Tuesday, May 7, 2019 · 3:14 p.m. · 14m 04s
Pourquoi et comment optimiser la planification énergétique à l'échelle du quartier
Embed
Transcriptions
Note: this content has been automatically generated.
00:00:00
mais alors juste avant moi je vais aujourd'hui en fait je vais me centrer
00:00:02
passa planification et celle du quartier donc ça veut dire environ 5 du bâtiment
00:00:08
et puisqu'on va faire ce qu'on essaie de voir comment estce qu'on
00:00:10
peut rentrer bâtiment plus durable plus analytiquement responsable pour diminuer eux leurs besoins énergétiques
00:00:17
alors la première chose que pouvezvous demander c'est finalement pourquoi se concentrer sur les bâtiments
00:00:22
joie tout parler le spa de la lumière de voitures d'or de pleins d'autres sujets
00:00:27
mais le bâtiment intérêt particulier score gardant finalement l'utilisation de notre ère j'ai actuellement
00:00:32
on voit que le chauffage et le fossé entre 30 et 40% notre consommation énergétique et d'
00:00:37
en améliorer les bâtiments cette partie primordial en fait pour atteindre la stratégie énergétique 2050
00:00:44
donc ça vaut la peine finalement d'essayer de se concentrer sur les bâtiments et pour ça en fait on a pas
00:00:49
d'adoption disposition peut évidemment isolé mais des nouvelles pompes à
00:00:53
chaleur nouvelle fenêtre on peut ajouter panneaux solaires comme des avant
00:00:58
peut aussi ajouter des panneaux solaires thermiques on peut mettre en réseau différents bâtiments donc on a beaucoup d'option
00:01:04
et là la question que pose cette tentation sait comment choisir avec l'idée c'est de modéliser les
00:01:09
impacts des différentes actions les optimiser numériquement donc ça finalement cesse et le sujet de cette plantation aujourd'hui
00:01:17
alors pratiquement comment faire alors nous en fait on a ce qu'on a fait ses quotas déjà
00:01:22
avant fait de l'optimisation avant vraiment là la modération
00:01:26
à commencer par exprimer les besoins en chaleur dans nos choix
00:01:30
donc pour ça on a on pourrait et on a défini avec tout les poulets quitte finalement possible
00:01:36
toutes les options possibles qu'on avait au niveau des nations les mettre à la hauteur et on peut avoir plusieurs milliers là évidemment lance ses tenues à 16
00:01:43
et puis après on a utilisé un modèle de bâtiments quel modèle eux environ vous parler avant
00:01:49
lle validés sur des mesures en fait pour avoir ses besoins en chaleur
00:01:54
et en eau chaude pour les différentes isolation et différentes fenêtres quand était intéressé
00:01:59
17 et le travail de deux étudiants faite de jérôme ont finalement travailler
00:02:03
pour estimer les besoins en chaleur nous chaude pour différents kits désolation
00:02:12
après cette première étape en a fait des modèles pour les différentes technologies qui m'intéressait
00:02:17
donc les panneaux solaires thermiques les panneaux photovoltaiques etc le stockage journaliers les pompes à chaleur
00:02:23
les échanges de chaleur le stockage journaliers les chaudière à mazout le coût caché leur force
00:02:28
on a fait pour chacune de ces technologies en à préparer les petits
00:02:31
modèles qui ont fait donner principalement leurs oeufs leur puissance la puissance nécessaire
00:02:36
ce qui nous permettent d'estimer leur taille puis leur consommation souvent
00:02:39
mazout soit en électricité et aussi la production électrique pour les panneaux solaires
00:02:45
et puis maintenant qu'on avait finalement les demandes pour
00:02:48
les différents qui désolation puis les modèles des différentes technologies
00:02:53
on essaie de mettre ça en fait dans une optimisation pourrait optimisation et faune fonction objectif au c'
00:02:58
estàdire qu'estce que j'ai finalement notre but et pour ça on a ici la fonction objectif
00:03:04
qui en fait de minimiser les coûts donc en fait c'est juste les coûts les coûts en électricité
00:03:09
les cours au mazout et les coûts de maintenance et puis si les coûts d'
00:03:13
investissement évidemment les coûts d'investissement commonwealth coût total par année mais il faut les annualisé
00:03:18
donc c'est pour ça qu'on a cependant ici on a un capital recovery facteur
00:03:21
qui finalement un facteur qui permet d'annuler d'analyser les coûts ensuite on ajoute des contraintes
00:03:27
donc la contrainte principal c'est évidemment de répondre à la demande chalon chose sinon le modèle fonctionne pas
00:03:33
et puis on éléments traditionnels qui sont finalement nos buts technologiques notamment d'éviter les technologies à fortes émissions de CO 2
00:03:40
ensuite bah là on pourrait finalement commencer des perles qui les emploie commencer l'optimisation
00:03:46
non encore difficulté c'est comme modéliser des choix souvent l'apparente on
00:03:50
aimerait parente modéliser le choix installé à ne pas staline pompe à chaleur
00:03:54
nommé à celle de réutilisation classique on a on installe ton
00:03:57
optimiste plutôt finalement des nombres réels donc là en fait pour
00:04:02
optimiser des champs utilise un type particulier d'optimisation des appels mixte égaler à programming esthétique
00:04:08
particulier d'optimisation petit permet de modéliser les choix comme des anti donc par 0 un
00:04:14
ce qu'on fait plus précisément ce qu'on utilise déjà en nombre elle
00:04:17
donc finalement comme d'habitude et puis on prend de variables qui devrait être entière
00:04:22
et puis on sépare ce problème en deux optimisation donc un problème ou on pousse
00:04:27
la variable en est qu'elle soit le plus petit que 0 et le petit ca
00:04:30
c'est évidemment celle d'optimisation entendre l'univers oliveira nos combattants finalement vers un endroit qu'estce qu'on a envie
00:04:36
c'est ça qui l'intéresse pour modéliser des choix en obstinée à nouveau ces deux problèmes puis on recommence sur toutes les variables donc ça
00:04:43
finalement cette technique pour optimiser chaque ski et utile si on veut
00:04:48
qu'eux avoir eu optimisation eux qui nous permettent de faire la planification énergétique
00:04:55
donc ça c'est là je dirais le processus la théorie où l'
00:04:58
on a fait sa dont deux car elle donc ici vous avez le
00:05:02
un d. D15 auxquels on appliquait cette procédure dans l'application de villages dans
00:05:08
les alpes suisses et les deux cas auquel je vais parler plus en détail eux aujourd'hui
00:05:15
voilà les résultats pour le village de donc si vous envoyez les pompes à chaleur les stockage
00:05:21
ici différents un mètre carré pour eux pour les panneaux solaires et cetera et la
00:05:25
question quand on voit quelque chose comme ça en fait c'est ce que ces réaliste
00:05:29
ce qui évidemment on a fait ses moderne a fait ces optimisations etc on peut se demander ce
00:05:34
que c'est ce que ça veut dire quelque chose à ce que ça lien avec la réalité
00:05:37
donc ça en fait on a affaire à eux le même processus pourra le
00:05:40
village où là on avait en fait une rénovation qui venait d'être fait
00:05:44
on a pu comparer nos résultats avec eux les résultats en fait d'
00:05:50
une rénovation réaliste je sais pas d'avoir les mêmes règles et même exactement
00:05:54
le modèle ne veut pas donner exactement les mêmes résultats que la rénovation qui a été faite puisque
00:05:58
la réalité pas forcement optimisé mais cette fois quelque chose de similaires et les différences emploie les expliquer
00:06:04
donc là on va les parties qui sont similaires dans les deux cas donc on a les mêmes le même qui disait nation
00:06:09
dans le times les résultats d'optimisation et dans la rénovation qu'a été réalisée
00:06:14
ainsi que les mêmes fenêtres et puis aussi et mise en réseau des bâtiments dans les deux cas
00:06:19
de plus on a aussi prévu plus ou moins le même eux surface en fait de panneaux solaires
00:06:24
donc l'envoi des délits assez fort intéressants dans ses forces contre le modèle est la solution réalisé
00:06:30
de même au niveau du type de chauffage en année et les dans les deux cas ont été pas mal de
00:06:34
pompe à chaleur qu'ont été installées par contre comment savoir des différences par exemple au niveau de la puissance installée
00:06:40
de l'optimisation et environ 3 fois plus petite que dans la réalité ce qui est assez logique presque dans l'optimisation
00:06:46
patent tient pas compte de la résidence en tient pas compte des faits par exemple une pompe à chaleur pourrait tomber en panne
00:06:51
ou alors du fait qu'eux par exemple tout les gens pourraient entraîner ce qui en même temps
00:06:55
donc la personne qui fait la rénovation de la réalité a tendance à prendre un petit peu je dirais des précautions un peu
00:07:01
plus large que l'optimisation de plus dans l'optimisation on a
00:07:05
minnesota journée puis large peut dans l'arrêt dans le cas installé
00:07:10
et puis c'est évidemment s'arrête ça permet en fait de diminuer la puissance installée salut stockage on peut avoir des
00:07:16
d des pompes à chaleur connaissant un peu plus basse donc cesser de raison fait état
00:07:21
et la résilience et teste la journée qui
00:07:23
explique ici cette différence entre utilisation et puis
00:07:28
le cas installée au niveau du stockage saisonnier dans les deux cas on
00:07:32
avait un stockage données quinte installer quoi bien l'intérêt de cette technologie
00:07:37
par contre eux en fait dans la modélisation et dans la réalité avec très grande
00:07:40
différence de taille et ça c'est probablement dû à la simplification de la modélisation
00:07:45
on a juste un gros blocs d'énergie à température donnée par contre dans la
00:07:49
réalité c'est une pratique avec une température particulière avec pas mal de courant délimitation
00:07:55
là où estce qu'on peut poser laissant etc et donc on fait on
00:07:59
a des différents états qui sont probablement due à une simplification exagérée du modèle en finale
00:08:05
au niveau des panneaux thermiques non installé moi et ça en fait dans la réalité eux nous dans
00:08:11
notre pays nation on était vraiment centrée sur les coûts on a des contraintes écologiques des contraintes de durabilité
00:08:17
mais c'était pas mal vraiment optimiser sur comment atteindre ses critères de rivalité
00:08:21
pour le moins cher possible est alternext et assez cher donc c'est pour ça qu'on fait on a pas bon coincé dans la réalité
00:08:26
ils ont été un peu plus directes sont faites sur la race sur leurs intérêts au niveau des panneaux thermiques
00:08:32
donc on voit que le manager perceptible mais donne quand même des résultats
00:08:37
qui sont pas forcément très loin en faite de ceux qui sont faits dans la réalité on peut aussi expliciter les différentes manières qui fait
00:08:43
sens donc on va partir de ce modèle aurait décidé je dirais que
00:08:46
ce modèle est quand même raisonnablement réaliste on va utiliser ces modèles art
00:08:50
pour des questions de recherche la première c quels sont les avantages de planifier à l'échelle du quartier
00:08:56
versus planifié à l'échelle du bâtiment et puis un deuxième sur une maison habitée
00:09:01
sur les coûts sont faites sur quelle et l'impact de l'incertitude sur les coûts
00:09:05
alors là la première question qu'on avait cette tempête quel intérêt
00:09:08
de regarder par quartier donc là vous avez des bâtiments séparées on pourrait
00:09:12
finalement rénové chacun ses bâtiments séparément on pourrait avoir de rénover des bâtiments en groupe de bâtiments
00:09:17
voir qu'estce qu'on gagne finalement les voir vraiment comme un
00:09:20
quartier commun d'un ensemble cohérent à la place de les voir séparément
00:09:24
au niveau pratique au niveau de l'optimisation ça veut dire complète là on ne laisse pas
00:09:29
l'inexorable de stockage saisonnier et de mise en réseau donc d'échange de chaleur entre les bâtiments
00:09:34
dans ces deux optimisation donc le type a et le kindle en permet en fait d'avoir des stockage saisonnier et la
00:09:39
mise en réseau et la question c'est ce que ça sert à quelque chose de faire ça qu'estce qu'on gagne
00:09:45
donc voilà les résultats à l'a. c. au niveau des coûts ici
00:09:49
et les bâtiments seul donc aucune 0 visait des bâtiments les deux
00:09:53
parts dans les deux groupes qui sont réseau king ayotte in de pot des villages et on voit qu'en fait les coûts sont assez similaires
00:10:00
qu'on les met en réseau de temps en temps gagner un petit peu en et finalement assez proche
00:10:05
de l'incertitude en fait du modèle pour gagner un peu
00:10:09
sur les coûts et pas forcement un moyen de pression similaire par compte
00:10:13
si on regarde en fait au niveau des émissions de CO 2 là de nouveaux emplois on a les bâtiments qui sont seuls
00:10:20
en bleu vous avez le village a en orange village deux donc les deux cas
00:10:24
différents ici avec de l'énergie on va dire connu renouvelable ici classique et
00:10:29
on voit que dans tout les cas on a eu très fort diminution des émissions de CO 2 donc ça veut dire que si on a des bâtiments en réseau
00:10:36
on peut mettre finalement le même argent sur la table on peut
00:10:38
avoir entre 40 à 60% diminution des émissions CO 2
00:10:43
donc ça c'est quand même assez efficace surtout que c'est pour le même prix en fait donc ça veut dire que finalement regarder
00:10:49
la planification énergétique par quartier essaie de mettre les bâtiments réseau ça des impacts
00:10:53
eux assez positif pour un prix qu'elles mêmes que ceux de prime abord
00:11:00
donc c'était pour ma première question deuxième question cette incertitude et coût des équipements c'
00:11:05
est toujours assez difficile contre la planification d'avoir des données coût qui soit i. précis
00:11:11
alors on a évidemment mais a toujours des incertitudes dessus puis on voulait savoir quel était l'impact on fait de ces incertitudes sur les coûts
00:11:17
non classé le travail des de mac auteur caténaire gauthier app
00:11:21
aujourd'hui qu'a fait en fait cette analyse de sensibilité
00:11:25
et puis elle a utilisé les adeptes de ce bol eux qui sont les méthodes classiques pour
00:11:30
former les sensibilités décès de chaque index en fête de la partie la variance expliquée par quels paramètres
00:11:37
le problème dans ce cas c'est qu'on a destination qui sont quand même
00:11:39
langue donc pas en faite faire toutes les simulations qui sont nécessaires pour être tant
00:11:45
donc là elle comme solution d'utiliser des méta modèle
00:11:48
hautsdeseine est un modèle sont approximation du modèle de base
00:11:53
et en fait or utilisant ces méthodes et à permettre d'accélérer l'année sensibilité
00:12:00
donc voilà les résultats donc si c'est un camembert avec les différents l'impact des différents paramètres
00:12:07
sur le coût total on voit que les deux grosses les deux grands partis
00:12:12
en fait ces choses qui sont liés aux facteurs de recouvrement capitale en fête cfr
00:12:17
alors ça sert à font passer un paramètre qui décrit l'annualisation qui dépend du nombre d'années
00:12:23
et puis tout intérêt donc dépend en fait de comment finalement le coût d'investissement la partie
00:12:28
c'est ce que la personne doit garder son isolation disant estce qu'elle a gardé 20 tend à ce qu'elle a
00:12:32
gardé 30 en 40 ans etc et en fait ça c'était finalement la grosse partie au niveau de l'incertitude des coûts
00:12:38
et c'est intéressant pour nous tous condamnés à l'an passé beaucoup de temps après à chercher le
00:12:41
prix des équipements peut être un peu moins tend finalement à estimer combien de temps les équipements les durées
00:12:46
en fait on a pu voir grâce à ça que ça va aussi à peine en tout cas certaines parties aussi important
00:12:51
je désire qu'elle était en fait les planification utilisateur au niveau de
00:12:57
du temps finalement qui voulait garder ces appareils
00:13:01
donc voilà ça c'est ce que je voulais montre aujourd'hui donc je vais juste vous présenter ce modèle
00:13:06
point 107 un modèle qui tient pour ce que je peux paraitre qui permet de répondre à des questions de recherche le poisson il encore longtemps
00:13:12
il en est remplacé l'élan assimilaient donc ce qu'on va faire dans le futur
00:13:16
c'est d'améliorer modèle pour le rendre plus rapide donc là on a
00:13:20
déjà utilisé pour l'instant fait honte tels que la puissance installée éparses par bâtiment
00:13:26
loi et le point textiles et des bâtiments qui sont connectés en réseau là où estce qu'on met en place des équipements ça fait beaucoup de d'impact
00:13:32
sur l'utilisateur de votants va calculer la taxe installé par son réseau cela permet probablement eux
00:13:38
d'accélérer le modèle de modèles et aussi pas mal les parties du modèle qui sont linéaires
00:13:43
l'appel eux mix intègre linear programming pas mal de parcimonie qui sont des parties lunaire
00:13:49
comme c'est prendre avantage de ses partenaires pour optimiser en fait la modélisation
00:13:55
par exemple mais ça sera justement de mettre à disposition un outil utile pour la planification
Conference Program
Intelligent feed-back on user comfort in low energy buildings
Rui Oliveira, University of Aveiro, PT
May 7, 2019 · 10:09 a.m.
169 views
Urban morphology and building PV energy production
Kin Ho Poon, National University of Singapore, SG
May 7, 2019 · 10:30 a.m.
220 views
Urban morphology, energy needs and artificial intelligence
Roberto Boghetti, University of Pisa, IT
May 7, 2019 · 10:51 a.m.
121 views
Distributed simulation applied to multi-networks urban energy systems design
Pablo Puerto, CREM / Mines d’Albi, F
May 7, 2019 · 11:13 a.m.
113 views
Les défis du domaine Energy Informatics
Jérôme Kämpf, Idiap Research Institute
May 7, 2019 · 11:32 a.m.
530 views
The Ark Energy
Laura Schwery, Fondation The Ark
May 7, 2019 · 1:38 p.m.
232 views
Industrie du futur
Richard Pasquier, HEIA-FR et Benedikt Ramsauer, Swiss-SDI
May 7, 2019 · 1:46 p.m.
281 views
