Hybrid Hierarchical Model Predictive Control for Building Energy Management Systems

La maîtrise des flux énergétiques à l’intérieur de l’habitat est un sujet d’actualité largement promu par l’engagement gouvernemental et incité par l’évolution croissante des solutions technologiques pour les bâtiments intelligents. Pour faire face aux nouveaux besoins d’efficacité, les gestionnaires d’énergie doivent être capables de piloter de manière opportune l’utilisation des équipements de consommation ainsi que d’optimiser le confort des occupants. Ce mémoire étudie les stratégies de commande prédictive hiérarchisée hybride à multi-échelles de temps appliquées à la gestion d’énergie dans les bâtiments. Le contrôleur proposé est composé de deux niveaux. Un niveau supérieur qui met en oeuvre une optimisation économique pour planifier l’utilisation de l’énergie à long terme. Et un niveau inférieur responsable d’assurer le suivi de la planification en exécutant une optimisation à horizon de prédiction plus court et une fréquence d’échantillonnage plus élevée. Les niveaux travaillent ensemble pour maîtriser conjointement l’énergie et la puissance du système. Deux sujets liés au fonctionnement des contrôleurs à multi-échelle de temps sont considérés. Le premier est l’interaction entre les niveaux d’optimisation et la cohérence des informations échangées. Différentes stratégies pour projeter les résultats du niveau supérieur au niveau inférieur sont comparées en soulignant leur impact sur le comportement de la commande finale. Le deuxième est l’adaptation de l’approche hiérarchisée pour le pilotage des charges du type Marche/Arrêt. Une analyse géométrique de l’espace de décision du problème d’optimisation long terme du contrôleur est réalisée pour étudier les conséquences de l’ajout des contraintes binaires. Nous proposons ensuite, une reformulation capable d’améliorer la qualité de la commande finale et de limiter l’effort nécessaire pour trouver la solution.Intelligent management strategies to optimize building energy consumption are considerably gaining attention due to the current climate challenges and the technological evolution of the automation solutions. To tackle the new energy efficiency standards, building energy management systems must be able to control energy consuming devices in order to minimize the costs and optimize the comfort of occupants. In this thesis, we study hybrid multitime scale model predictive control strategies to tackle building energy management problems. We proposed a two-layer hierarchical controller to jointly control the energy consumption and power demand of the system. The upper level implements a long term economic optimization that takes into account the energy price and the requirements of the occupants. The lower layer ensures the tracking of the optimal scheduling plan computed by the upper layer with a shorter prediction horizon and a higher sampling rate. Two topics related to the operation of multi-scale controllers are considered. The first is the interaction between the levels of optimization and the consistency of the information exchanged. We investigate different strategies to project the results of the upper layer at the lower one and provide comparisons to highlight its impact on the closed-loop behavior. The second is the management of On/Off loads in the multi-time scale framework. A geometric analysis of the decision space of the long-term optimization problem is performed to study the consequences of adding binary constraints to the problem. Then, we propose a reformulation strategy to improve the quality of the final control and limit the effort required to find the solution