ANR AI4HP

Les pompes à chaleur (PAC) constituent une solution efficace pour atténuer la consommation d’énergie et l’impact environnemental des bâtiments. Elles ont un fort potentiel d’utilisation d’énergies renouvelables pour convertir l’électricité en chaleur. Toutefois, les performances réelles sur le terrain des PAC ne sont pas toujours à la hauteur des attentes. Des pertes de chaleur élevées se produisent et l’efficacité énergétique est réduite en raison d’une configuration inadéquate du système, mais aussi d’une mauvaise paramétrisation des commandes de la pompe à chaleur et de dysfonctionnements non détectés. La pratique actuelle consiste à régler les paramètres de commande une fois pour toutes par l’installateur. Toutefois, la variabilité au fil du temps, par exemple en fonction des conditions météorologiques, exige une régulation et une supervision adaptatives de la PAC.
L’objet du projet AI4HP est donc le développement de nouvelles méthodes d’intelligence artificielle (IA) basées sur l’apprentissage incrémental avec des réseaux de neurones artificiels (RNA) pour le contrôle et la supervision des PAC adaptatives. Les méthodes d’IA offrent une capacité d'«auto-apprentissage» permettant de créer et d’adapter automatiquement des modèles et des prévisions à partir des seules données de mesure. Ces méthodes d’IA adaptatives amélioreront le rendement opérationnel des PAC en a) adaptant automatiquement les réglages du contrôleur à diverses conditions limites et b) en détectant les dysfonctionnements de la PAC. Ceci conduit au développement d’une nouvelle génération de " PAC intelligentes ", intégrant de nouvelles fonctionnalités et interactions avec un environnement en évolution, afin d’offrir la meilleure efficacité énergétique et confort à l’utilisateur, de faciliter les opérations de maintenance et d’éviter une dégradation des performances par détection de défauts.
Ainsi, les RNA peuvent améliorer le fonctionnement des pompes à chaleur en modélisant les systèmes et en prédisant les développements futurs à partir des données de mesure. Ils peuvent saisir la complexité du système de thermopompe – par exemple, il n’y a pas de relation unique entre une défaillance spécifique et une variable unique. Cependant, dans la plupart des cas, les RNA et les autres méthodes d’apprentissage automatique conduisent à de grosses erreurs lorsqu’ils sont confrontés à des données sensiblement différentes ou nouvelles. Un autre problème est la production continue de données de mesure. La taille de la mémoire et la puissance de calcul sont limitées et empêchent un ré-entrainement utilisant l’ensemble de données complet. Toutefois, si le système est formé uniquement sur les nouvelles données, il se produit un oubli catastrophique ou une interférence. Par conséquent, pour être utilisé en temps réel dans des technologies de pointe, le RNA doit être capable de continuellement apprendre de nouvelles connaissances sans oublier les connaissances antérieures. Dans le cadre de ce projet, le consortium composé d’experts dans les domaines de la recherche RNA, de la recherche énergétique, de la fabrication de pompes à chaleur et de l’approvisionnement énergétique développera des RNA adaptatifs basés sur des méthodes d’apprentissage incrémental, utilisables en temps réel pour le fonctionnement de pompes à chaleur avec acquisition continue de données de mesure. Le pipeline d’IA adaptative sera développer pour les trois cas d’utilisation que sont : la commande adaptative de courbe de chauffage, la commande adaptative basée sur la prévision de charge et la détection et le diagnostic des pannes (CEA, LPNC, Fraunhofer ISE). Elle sera implémentée dans un régulateur de thermopompe (Stiebel Eltron) et validée par des essais en laboratoire et un système pilote (EDF, Stiebel Eltron).
Grâce aux méthodes avancées d’IA, nous prévoyons des économies d’énergie de 20% et une réduction des émissions de CO2 pour l’eau chaude sanitaire et le chauffage des locaux sans perte de confort.

Voir les publications dans le portail HAL-ANR