Thermosensibilité de la demande électrique : identification de la part non linéaire par couplage d'une modélisation bottom-up et de l'approche bayésienne
La croissance du marché des pompes à chaleur contribue à l'augmentation de la thermosensibilité de la demande électrique. Il devient nécessaire de mieux comprendre l'impact des usages thermosensibles de l'électricité, notamment concernant ceux qui sont corrélés de manière non linéaire...
Main Author: | |
---|---|
Other Authors: | |
Language: | fr |
Published: |
2014
|
Subjects: | |
Online Access: | http://www.theses.fr/2014ENMP0050/document |
id |
ndltd-theses.fr-2014ENMP0050 |
---|---|
record_format |
oai_dc |
spelling |
ndltd-theses.fr-2014ENMP00502018-01-17T04:42:04Z Thermosensibilité de la demande électrique : identification de la part non linéaire par couplage d'une modélisation bottom-up et de l'approche bayésienne Temperature sensitivity of electricity demand : identification of the non linear part by coupling a bottom-up model and bayesian approach Thermosensibilité Demande électrique Usages thermiques non-Linéaires Analyse bayésienne Modélisation hybride Temperature sensitivity Electricity demand Non-Linear thermal equipment Bayesian analysis Hybrid modeling 620 La croissance du marché des pompes à chaleur contribue à l'augmentation de la thermosensibilité de la demande électrique. Il devient nécessaire de mieux comprendre l'impact des usages thermosensibles de l'électricité, notamment concernant ceux qui sont corrélés de manière non linéaire à la température extérieure. Dans cette optique, cette thèse vise à construire un cadre de modélisation qui permette i) d'analyser les facteurs d'influence de la thermosensibilité à partir d'une description physique des usages thermosensibles, et ii) de réaliser des diagnostics de ces paramètres d'influence tout en tenant compte des incertitudes associées. Une approche de modélisation hybride qui bénéficie des avantages de modèles statistiques et de modèles physiques est principalement employée pour répondre à ces questions.La première étape consiste à estimer la part thermosensible de la demande réelle par un modèle prédictif top-down. On développe ensuite un modèle d'analyse physique de la thermosensibilité à l'échelle régionale à partir de la thermique du bâtiment. On s'appuie notamment sur des modèles pseudo-physiques de performance de pompes à chaleur qui sont régressés sur des données constructeur ou des mesures de performances réelles. Un COP régional est déterminé pour l'ensemble des PAC installées. Enfin, les paramètres d'influence du modèle de thermosensibilité ainsi développé sont estimés à l'aide de l'approche bayésienne, qui offre un cadre pour le traitement de l'incertitude sous la forme de probabilités. Des coefficients équivalents de déperditions thermiques, une température intérieure équivalente ainsi que les parts du chauffage Joule et par PAC pour le parc de bâtiments régional ont été obtenus. The growing heat pump market contributes to the increase in temperature sensitivity of electricity demand. It becomes necessary to understand the impact of temperature sensitive end-uses of electricity, including those which are correlated non-linearly to the outside temperature. In this context, this thesis aims to build a modeling framework to i) analyze the influencing factors of the temperature sensitivity of electricity demand from a physical description of temperature-sensitive equipment, and ii) to perform diagnoses of these parameters of influence by taking into account the associated uncertainties. A hybrid modeling approach that benefits the advantages of statistical models and physical models is used to answer these questions.Firstly, the temperature-sensitive part of electricity demand is estimated by a predictive top-down model. Then a physical model to analyze the temperature sensitivity at regional level is developed based on building thermal energy needs. A regional coefficient of performance (COP) is determined for the whole installed heat pumps by using pseudo-physical models which are regressed on manufacturer data or actual performance measures. Finally, the parameters of influence of the developed temperature sensitivity model are estimated using the Bayesian approach which provides a framework for the treatment of uncertainty in the form of probabilities. Equivalent coefficients of heat loss, an equivalent internal temperature, as well as the share of Joule heating and the share of heat pumps for the regional building stock are obtained. Electronic Thesis or Dissertation Text fr http://www.theses.fr/2014ENMP0050/document Özkizilkaya, Özlem 2014-12-12 Paris, ENMP Adnot, Jérôme |
collection |
NDLTD |
language |
fr |
sources |
NDLTD |
topic |
Thermosensibilité Demande électrique Usages thermiques non-Linéaires Analyse bayésienne Modélisation hybride Temperature sensitivity Electricity demand Non-Linear thermal equipment Bayesian analysis Hybrid modeling 620 |
spellingShingle |
Thermosensibilité Demande électrique Usages thermiques non-Linéaires Analyse bayésienne Modélisation hybride Temperature sensitivity Electricity demand Non-Linear thermal equipment Bayesian analysis Hybrid modeling 620 Özkizilkaya, Özlem Thermosensibilité de la demande électrique : identification de la part non linéaire par couplage d'une modélisation bottom-up et de l'approche bayésienne |
description |
La croissance du marché des pompes à chaleur contribue à l'augmentation de la thermosensibilité de la demande électrique. Il devient nécessaire de mieux comprendre l'impact des usages thermosensibles de l'électricité, notamment concernant ceux qui sont corrélés de manière non linéaire à la température extérieure. Dans cette optique, cette thèse vise à construire un cadre de modélisation qui permette i) d'analyser les facteurs d'influence de la thermosensibilité à partir d'une description physique des usages thermosensibles, et ii) de réaliser des diagnostics de ces paramètres d'influence tout en tenant compte des incertitudes associées. Une approche de modélisation hybride qui bénéficie des avantages de modèles statistiques et de modèles physiques est principalement employée pour répondre à ces questions.La première étape consiste à estimer la part thermosensible de la demande réelle par un modèle prédictif top-down. On développe ensuite un modèle d'analyse physique de la thermosensibilité à l'échelle régionale à partir de la thermique du bâtiment. On s'appuie notamment sur des modèles pseudo-physiques de performance de pompes à chaleur qui sont régressés sur des données constructeur ou des mesures de performances réelles. Un COP régional est déterminé pour l'ensemble des PAC installées. Enfin, les paramètres d'influence du modèle de thermosensibilité ainsi développé sont estimés à l'aide de l'approche bayésienne, qui offre un cadre pour le traitement de l'incertitude sous la forme de probabilités. Des coefficients équivalents de déperditions thermiques, une température intérieure équivalente ainsi que les parts du chauffage Joule et par PAC pour le parc de bâtiments régional ont été obtenus. === The growing heat pump market contributes to the increase in temperature sensitivity of electricity demand. It becomes necessary to understand the impact of temperature sensitive end-uses of electricity, including those which are correlated non-linearly to the outside temperature. In this context, this thesis aims to build a modeling framework to i) analyze the influencing factors of the temperature sensitivity of electricity demand from a physical description of temperature-sensitive equipment, and ii) to perform diagnoses of these parameters of influence by taking into account the associated uncertainties. A hybrid modeling approach that benefits the advantages of statistical models and physical models is used to answer these questions.Firstly, the temperature-sensitive part of electricity demand is estimated by a predictive top-down model. Then a physical model to analyze the temperature sensitivity at regional level is developed based on building thermal energy needs. A regional coefficient of performance (COP) is determined for the whole installed heat pumps by using pseudo-physical models which are regressed on manufacturer data or actual performance measures. Finally, the parameters of influence of the developed temperature sensitivity model are estimated using the Bayesian approach which provides a framework for the treatment of uncertainty in the form of probabilities. Equivalent coefficients of heat loss, an equivalent internal temperature, as well as the share of Joule heating and the share of heat pumps for the regional building stock are obtained. |
author2 |
Paris, ENMP |
author_facet |
Paris, ENMP Özkizilkaya, Özlem |
author |
Özkizilkaya, Özlem |
author_sort |
Özkizilkaya, Özlem |
title |
Thermosensibilité de la demande électrique : identification de la part non linéaire par couplage d'une modélisation bottom-up et de l'approche bayésienne |
title_short |
Thermosensibilité de la demande électrique : identification de la part non linéaire par couplage d'une modélisation bottom-up et de l'approche bayésienne |
title_full |
Thermosensibilité de la demande électrique : identification de la part non linéaire par couplage d'une modélisation bottom-up et de l'approche bayésienne |
title_fullStr |
Thermosensibilité de la demande électrique : identification de la part non linéaire par couplage d'une modélisation bottom-up et de l'approche bayésienne |
title_full_unstemmed |
Thermosensibilité de la demande électrique : identification de la part non linéaire par couplage d'une modélisation bottom-up et de l'approche bayésienne |
title_sort |
thermosensibilité de la demande électrique : identification de la part non linéaire par couplage d'une modélisation bottom-up et de l'approche bayésienne |
publishDate |
2014 |
url |
http://www.theses.fr/2014ENMP0050/document |
work_keys_str_mv |
AT ozkizilkayaozlem thermosensibilitedelademandeelectriqueidentificationdelapartnonlineaireparcouplagedunemodelisationbottomupetdelapprochebayesienne AT ozkizilkayaozlem temperaturesensitivityofelectricitydemandidentificationofthenonlinearpartbycouplingabottomupmodelandbayesianapproach |
_version_ |
1718611180221628416 |