Modélisation des concepts et mise en œuvre par voie algorithmique 

Définir les éléments-types du parc habité (F 2.1)

Définir des bâtiments-types (F 2.1.1)

L’utilisation d’un certain nombre de bâtiments-types prédéfinis constitue une manière d’obtenir une représentation satisfaisante du parc observé. L’intérêt d’utiliser des bâtiments-types est de réaliser des simulations thermiques sur un nombre restreint de logements par rapport à l’ensemble des habitations du parc considéré (typiquement le parc national français de logements qui compte près de 30 millions de résidences principales). Ainsi, pour assurer une bonne représentation du parc en utilisant un nombre réduit d’éléments, il est nécessaire de sélectionner les caractéristiques des bâtiments étant à la fois les plus pertinentes du point de vue de l’appel de puissance des usages thermiques d’une part, et qui peuvent être renseignées d’autre part, au moyen de la connaissance sectorielle disponible. De ce fait, pour créer différents bâtiments-types, nous avons choisi de considérer les propriétés du bâti suivantes [CER03] : la catégorie (ou typologie) du logement : une habitation modélisée peut être de type Maison Individuelle (MI) ou Logement Collectif (LC);
la superficie du logement : plusieurs valeurs discrètes sont choisies et affectées conformément aux données d’expertise sectorielle. A priori cette grandeur est principalement fonction de la localisation du logement (zone géographique correspondante), de son année de construction et de son énergie de chauffage ;
le coefficient de transmission surfacique 5 UBat [W/(m2.K)] qui est vraisemblablement fonction de la localisation du logement et de son année de construction et/ou de son année de rénovation. Plusieurs valeurs discrètes d’UBat sont retenues, valeurs qui peuvent être celles données par les RT.
Chaque valeur de UBat est considérée comme caractéristique d’une classe de performance thermique d’enveloppe ;
l’inertie du bâtiment qui correspond à sa capacité à stocker et à restituer de l’énergie sous forme de chaleur (ou de fraîcheur). Elle est par hypothèse dépendante de la localisation du logement et de son année de construction. L’inertie diminue en général avec la rénovation de l’habitat puisque celle-ci se traduit régulièrement par la pose d’isolant à l’intérieur du logement. Comme pour le UBat, nous sélectionnons plusieurs valeurs discrètes d’inertie. Pour cela, il faut tout d’abord connaître l’étendue de variation de ce paramètre au sein du parc résidentiel étudié, corréler les valeurs d’inertie aux constructions et choisir suffisamment de valeurs discrètes représentant cette propriété physique du bâti. Chaque couple (UBat , inertie) est considéré comme représentatif d’une classe de performance énergétique du bâtiment; le type de ventilation variant selon toute vraisemblance en fonction de la localisation 7 du bâtiment type et de son année de construction et/ou de rénovation. À ce stade, nous distinguons quatre modalités : ventilation naturelle, ventilation mécanique simple flux (extraction sans récupération de chaleur), puits canadien et ventilation double flux.

Définir des ménages-types (F 2.1.2)

Comme pour les bâtiments-types, il est inconcevable de définir toutes les typologies de ménages pouvant exister au niveau national. De ce fait, nous utilisons à nouveau une notion simplificatrice de la réalité, à savoir les ménages-types. Parmi toutes les caractéristiques des ménages, nous assumons l’hypothèse que les variables suivantes sont les plus pertinentes en vue de la reconstitution des appels de puissance :
la composition du ménage : il est nécessaire de renseigner trois paramètres pour aboutir à une connaissance convenable de la composition des foyers : le nombre d’occupants ; l’âge respectif de chacun d’eux ;  leur sexe.
Pour limiter le nombre de combinaisons possibles à partir de ces trois déterminants et pour s’assurer une conformité avec des sources de données existantes, nous pourrions reprendre tout ou partie des éléments de la catégorisation de la population établie par l’INSEE [INS07, INS10b, INS12e] :
intervalles d’âge utilisés dans les travaux de projection de population : 0-19 ans, 20-59 ans, 60-64 ans, 65-74 ans et 75 ans et plus ;
types de structure familiale : ménage d’une seule personne, ménage d’une seule famille, ménage complexe ;
ménages par taille du foyer, sexe et âge de la personne de référence : sept catégories d’âge en regard de six modalités d’effectif du ménage ;
les caractéristiques socio-économiques du ménage. Il faut ici renseigner des informations concernant : le revenu du foyer avec au moins trois modalités (haut, moyen, bas) et/ou la Catégorie SocioProfessionnelle (CSP) du chef de famille ou des adultes du foyer (deux parents actifs) ;
le statut d’activité du ménage considéré à un niveau agrégé ou de chaque membre le constituant (en activité, retraité. . .) ;
les comportements de consommation d’énergie par usage en dissociant ceux relatifs : au chauffage et à la climatisation ; à l’ECS ; et aux équipements d’électricité spécifique.
Une distinction en un minimum de trois classes de consommateur (énergétiquement économe, indifférent ou moyen et énergétiquement dépensier) nous semble pertinente.
Les différents éléments présentés ci-avant ont pour objectif de recréer une diversité de comportements des ménages en particulier en ce qui concerne leurs habitudes de consommation énergétique. Celles-ci se matérialisent entre autres, par une fréquence, une intensité et une temporalité d’utilisation des appareils domestiques propres à chaque foyer (a fortiori à chaque individu). En ce qui concerne la dimension temporelle des besoins en électricité au sein d’un logement, nous introduisons les deux concepts suivants:
chronogramme probabilisé d’usage et scénario Time Of Use . Nous les aborderons plus en détails et nous pourrons constater tout leur intérêt lorsque nous traiterons du calcul des courbes de charge unitaires des équipements d’électricité spécifique au sein des logements . Soulignons toutefois à ce niveau qu’en amont ce ces concepts sont pris en considération les informations relatives aux scénarios de présence infra-journalière et annuelle des ménages à leur domicile.

Définir le parc habité année par année pour chaque zone géographique (F 2.2)

En préambule, nous définissons le terme d’année de calage : L’année de calage désigne la dernière année pour laquelle des données réalisées sont disponibles aussi bien en énergie qu’en puissance.

Créer le parc habité au sein de la zone géographique étudiée à l’année de calage (F 2.2.1)

Pour sa construction, le parc habité est considéré zone géographique par zone géographique. Le découpage d’un territoire en zones géographiques est opéré conformément aux chroniques météorologiques disponibles : ce sont les chroniques qui font les zones, les zones constituent ensuite le territoire.  Nous avons identifié quatre méthodes potentielles pour la construction du parc habité à l’année de calage sans en privilégier une par rapport aux autres. Chacune d’elles s’effectue en trois étapes (les deux premières phases sont communes) comme l’indique le processus suivant :
Définir la répartition des bâtiments-types sur la zone géographique considérée ; Définir la proportion de chaque ménage-type pour chaque bâtiment-type ; Distribuer les équipements-types pour chaque couple structurant . . .
(a) . . . en fonction de règles statistiques ; (b) . . . en fonction de règles définies par l’utilisateur ; (c) . . . en fonction de distributions de probabilité ; (d) . . . en formant les triplets puis les n-uplets.
C’est donc au niveau de la troisième étape de ce processus que les méthodes se différencient. Au fur et à mesure des travaux d’analyse fonctionnelle, nous avons cherché à définir des variantes de la méthode toujours plus élaborées et cohérentes. Il s’agit des versions 3(a) à 3(d) qui apparaissent dans un ordre chronologique par rapport à nos travaux de recherche : la méthode 3(a) est la plus simple tandis que la 3(d) nous semble la plus aboutie.

Faire évoluer le parc habité de la zone géographique étudiée année par année (F 2.2.2)

Ainsi, dans notre modèle, le parc construit à l’année de calage doit être recalculé année par année suivant les scénarios d’évolution définis dans la fonction F 1.
Tenir compte de la dynamique du parc revient à reconsidérer chacun de ses constituants en suivant des étapes analogues à celles qui ont mené à sa construction à l’année de calage. Au final, il s’agit d’un processus en 5 étapes :
Redéfinir le parc de bâtiments-types ; Redéfinir la population de ménages-types du parc habité ; Redéfinir le parc d’équipements-types ; Rajouter les nouveaux n-uplets ; Recalculer les poids de représentativité des couples structurants.

Construire le calendrier de simulation pour toute la durée de la simulation (F 3.1)

Le calendrier de simulation est constitué de jours-types caractérisant l’activité des ménages et associés à des données météorologiques.

Définir les jours-types (F 3.1.1)

En préambule, nous définissons le concept de jour-type : Un jour-type est caractérisé par des périodes infra-journalières où sont renseignées les probabilités d’activités domestiques ou d’usages, ceci de manière transverse à l’ensemble des ménages de la population considérée. Ce sont les grandes habitudes de vie qui sont illustrées et prises en compte au moyen de ce concept. Un jour-type se caractérise par : une distribution de probabilité de l’instant de démarrage des activités domestiques pour une journée. Ce repère sera appelé tStart ; une distribution de probabilité de l’instant de fin des activités domestiques pour une journée. Ce moment sera noté tEnd ; des distributions de probabilité des usages domestiques entre tStart et tEnd ; les modes de gestion de chauffage/climatisation (confort, réduit, hors-gel) ; les chroniques de puisage d’eau chaude sanitaire (équivalentes à des distributions journalières de probabilité de puisage d’ECS).
Dans une première approche, nous pourrions définir un jour-type par jour de la semaine et par mois (soit 84 jours-types), les jours fériés étant assimilés à des dimanches. À cela doit s’ajouter un jour type correspondant aux périodes de vacances soulignant l’absence complète des occupants de leur logement.
En considérant chaque mois de manière individuelle, c’est la saisonnalité des usages que nous souhaitons prendre en compte. Par exemple, en plus des usages thermiques dont la saisonnalité est évidente, l’éclairage est directement lié à l’ensoleillement qui varie lui-même fortement tout au long de l’année aussi bien en intensité qu’en durée à l’échelle journalière.
En outre, des attributs liés à l’activité économique indiquant la propension des occupants d’un logement à être présents chez eux ou non, viennent se superposer aux jours-types : jour ouvré/non ouvré (férié ou dimanche) ; jour travaillé/non travaillé.

Construire le calendrier de simulation en jours-types (F 3.1.2)

Une fois que chaque jour-type a été défini, il faut construire le calendrier de simulation de l’année considérée en ordonnant convenablement les jours-types de manière à recréer les diverses périodicités hebdomadaire, mensuelle, saisonnière ainsi que les vacances qui sont présentes dans le calendrier civil de l’année retenue pour la simulation.

Modélisation générique des équipements d’électricité spécifique

À l’image de la modélisation des intervalles infra-journaliers, nous avons conçu une représentation des équipements domestiques qui lui est compatible. Pour y aboutir, nous avons d’abord dressé la liste des caractéristiques nécessaires à formaliser. En effet, un équipement est défini par :
des caractéristiques générales telles que sa signature, définie ci-après et notée sx, ses éventuels équipements liés  (y compris lui-même) et le report nécessaire ou non de l’utilisation de l’équipement en fonction du scénario modélisé ; des caractéristiques intrinsèques relatives à la disponibilité requise pour utiliser l’équipement.
Nous définissons pour cela cinq périodes notées dβ qui encadrent l’utilisation de l’équipement dans sa temporalité ;
des caractéristiques extrinsèques relatives à la compatibilité de l’équipement face aux intervalles infrajournaliers.
La signature de l’équipement, SignatureEquipement, est une variable numérique qui rassemble les informations nécessaires pour reconnaître l’équipement assurant un certain usage et la durée de ce dernier. La durée d’usage d’un équipement i, notée dUsage, i , est codée par un paramètre entier DureeUsage.
Ce dernier s’exprime en nombre de pas de temps de calcul selon la résolution de courbe de charge choisie. Parmi les autres caractéristiques de base de la modélisation générique des équipements, nous retrouvons les paramètres fonctionnels «classiques» suivants : puissance nominale, puissance de veille, capacité, niveau de charge. À cela s’ajoutent des éléments de la nomenclature: nom de l’équipement, nom de l’équipement-type, mode de fonctionnement désiré. Enfin, de manière à tenir compte au plus près des apports internes occasionnés par le fonctionnement de l’équipement, la pièce d’accueil de l’appareil doit être renseignée dans le modèle. Le déclenchement d’un équipement assurant un usage donné peut être conditionné par le fonctionnement :
du même équipement : nous parlons d’équipement auto-lié;
d’un ou plusieurs équipement(s) domestique(s) distinct(s) de lui : dans ce cas, il s’agit d’équipements liés. Les modalités «lié» et «auto-lié» constituent ce que nous appelons les liaisons possibles entre équipements.
Pour être dit auto-lié, un équipement doit présenter les caractéristiques suivantes : d’une part l’appareil concerné n’est présent qu’en un seul exemplaire dans le logement simulé et d’autre part l’utilisation multiple de cet équipement ne peut se faire que séquentiellement. Dans une majorité de ménages, la machine à laver est un exemple d’équipement auto-lié.
Parmi les nombreux exemples d’équipements liés, le sèche-linge fonctionnant généralement une fois que le cycle de la machine à laver est terminé ou le lecteur DVD qui n’est le plus souvent utilisé que lorsque la télévision est en marche, sont des plus représentatifs et perceptibles au quotidien. Ainsi, la temporalité des liaisons possibles entre équipements peut prendre deux modalités : lien simultané ou lien séquentiel. Le dernier cas suggère deux « sous-modalités » évidentes : avant/après. De manière à simplifier la modélisation, nous définissons le concept d’équipement de tête. Ce sont eux qui déterminent la temporalité de fonctionnement de leurs équipements liés. Par exemple, pour la liaison machine à laver/sèche-linge l’équipement de tête est le premier de ces deux appareils. Après recensement des différentes liaisons entre équipements et identification des équipements de tête, seule la liaison séquentielle « après » demeure à considérer. D’autre part dans la modélisation, nous limitons à 15 le nombre d’équipements séquentiellement liés après un autre 16 mais nous ne fixons pas de limites aux équipements simultanément liés.

Table des matières

Introduction générale 
1 Bibliographical survey and analysis 
Introduction 
1.1 Top-down models 
1.1.1 Introduction
1.1.2 Deterministic statistical disaggregation models
1.2 Bottom-up models 
1.2.1 Introduction
1.2.2 Statistical random model
1.2.3 Probabilistic empirical models
1.2.4 Time of use based models
1.3 Statistical-engineering model : Train et al.’s model 
1.4 Cross analysis
1.4.1 Reading grid
1.4.2 Focused comparisons
1.4.3 Positioning the models on a pseudo 3D plot
Conclusion
1.5 Acknowledgment 
2 Analyse fonctionnelle 
Introduction du chapitre 
2.1 Fonction « Modéliser le parc du territoire étudié (F 2) »
2.1.1 Définir les éléments-types du parc (F 2.1)
2.1.2 Définir la composition en n-uplets du parc habité année par année (F 2.2)
2.1.3 Contrôler la cohérence du parc (F 2.3)
2.2 Fonction « Scénariser et projeter l’évolution du contexte (F 1) » 
2.2.1 Définir des événements-clés encadrant des périodes (F 1.1)
2.2.2 Définir les tendances d’évolution au sein des périodes (F 1.2)
2.3 Fonction « Calculer les courbes de charge (F 3) » 
2.3.1 Construire le calendrier de simulation (F 3.1)
2.3.2 Calculer les courbes de charge unitaires par n-uplet (F 3.2)
2.3.3 Calculer les profils de charge par n-uplet (F 3.3)
2.3.4 Calculer les courbes de charge à l’échelle de la zone géographique (F 3.4)
2.3.5 Assurer la cohérence en énergie des courbes de charge (F 3.5)
2.3.6 Valider sur des données historiques les courbes de charge (F 3.6)
2.3.7 Calculer le solde fatal en énergie (F 3.7)
2.3.8 Répartir le solde fatal en énergie (F 3.8)
2.3.9 Sommer les courbes de charge usage par usage (F 3.9)
2.4 Fonction « Restituer les courbes de charge (F 4) » 
2.4.1 Sélectionner le(s) format(s) de restitution (F 4.1)
2.4.2 Sélectionner les échelles spatiale(s) et temporelle(s) de restitution (F 4.2)
2.4.3 Calculer des indicateurs et construire des représentations caractéristiques (F 4.3)
Conclusion du chapitre
3 Modélisation des concepts et mise en œuvre par voie algorithmique 
Introduction du chapitre 
3.1 Modélisation des éléments conceptuels 
3.1.1 Modélisation des jours-types
3.1.2 Modélisation des ménages-types
3.1.3 Modélisation des équipements domestiques d’électricité spécifique
3.2 Algorithme pour la génération de diversité d’origine comportementale
3.2.1 Distribution des tâches journalières
3.2.2 Création d’un profil basique de disponibilité
3.2.3 Méthode évoluée d’obtention des profils de disponibilité
3.2.4 Placement des équipements domestiques
3.3 Mise en perspective de l’algorithme
Conclusion du chapitre
4 Classification de courbes de charge et étude du foisonnement
Introduction du chapitre
4.1 Caractérisation et comparaison de courbes de charge
4.1.1 Indicateurs statistiques existants pour la comparaison de courbes de charge
4.1.2 Prise en compte de la dimension temporelle de la courbe de charge
4.1.3 Apports d’une méthode appliquée aux séries temporelles : le Dynamic Time Warping
4.2 Scénarios modélisés : étude des résultats
4.2.1 Construction de scénarios en vue de leur simulation
4.2.2 Étude des résultats du scénario principal
4.2.3 Étude des résultats en puissance du passage d’un cycle unitaire à un autre à iso-consommation
4.3 Mise en œuvre du DTW pour l’analyse de courbes de charge
4.3.1 Comparaison de deux courbes de charge
4.3.2 Comparaison de courbes de charge multiples
4.3.3 Relations entre la distance DTW et des indicateurs statistiques usuels
4.3.4 Décomposition des écarts entre courbes de charge moyennes foisonnées
4.3.5 Bilan de la mise en œuvre de l’algorithme DTW pour l’analyse de courbes de charge
4.4 Identification de comportements d’usage – Cas réel
4.4.1 Positionnement du problème et buts de l’étude
4.4.2 Présentation des données analysées
4.4.3 Principes des méthodes choisies d’analyse des données
4.4.4 ACP sur données brutes puis CAH sur les résultats de l’ACP
4.4.5 CAH sur les courbes de charge mesurées
4.4.6 Résumé des études supplémentaires de classification sur des courbes de charge normées de télévision
4.4.7 Bilan du travail de classification et perspectives
Conclusion du chapitre
Conclusion générale et perspectives

Télécharger le rapport complet