Le projet IMPROVEMENT (Integration of combined cooling, heating and power microgrids in zero-energy public buildings under high power quality and continuity of service requirements) est lauréat du troisième appel à projets Interreg Sudoe (https://tinyurl.com/ya5vrtyp). Le projet est coordonné par le CNH2 (Centro Nacional del Hidrógeno), situé à Puertollano, en Espagne, et implique, entre autres laboratoires de recherche et partenaires institutionnels, le laboratoire PROMES-CNRS (une unité propre de recherche du CNRS conventionnée avec l’UPVD).
Les missions confiées à l’ingénieur-e de recherche portent sur le développement d’un système avancé de gestion de l’énergie (ou BEMS, pour building energy management system) destiné aux bâtiments publics faisant face à des charges critiques pour la gestion prédictive de l’énergie thermique et du confort thermique des usagers. Le BEMS sera fondé sur une structure de commande prédictive (ou structure MPC, pour model-based predictive control) hiérarchisée à deux niveaux. La structure MPC de niveau bas définira les consignes des systèmes de CVC (chauffage, ventilation et climatisation) et pilotera le confort thermique des usagers. Les prédictions de la consommation énergétique seront transmises à la structure MPC de niveau haut pour la gestion du système de stockage thermique, conformément aux besoins des usagers en matière de chauffage et de climatisation, et pour le stockage des surcharges du micro-réseau électrique, par la transformation de l’énergie électrique en énergie thermique. En retour, la structure MPC de niveau haut transmettra au micro-réseau sa prévision de consommation électrique. Deux bâtiments pilotes, l’un à Lisbonne au Portugal (laboratoire LNEG), l’autre à Puertollano en Espagne (laboratoire CNH2), permettront la mise en œuvre du système de gestion de l’énergie développé.
La mise en œuvre de la stratégie décrite ci-avant requiert des prévisions, à horizon de temps infra-journalier, de grandeurs (présence des usagers, ensoleillement, température extérieure, etc.) influant sur la dynamique du système. Des algorithmes pour la prévision de séries temporelles – les outils de l’apprentissage automatique/profond seront mis à profit – seront développés par l’ingénieur-e de recherche.
