Gestion optimale des consommations d'énergie dans les bâtiments

The aim of the thesis is to provide the methods that can better manage energy in ensuring the level of comfort. The load models are developed and validated by measures. The neural networks and the method botom-up are proposed for the short-term consumption forecasting corresponding to the multi buildings (region) and to the residential sector. Three original methods of optimal predictive management for heating and air conditioning are developed: the optimization of thermal comfort, the minimization of peak consumption, and the minimization of costs of energy consumption. Two original methods for the load management in real time are proposed: the method based on a system of adaptive regulation for heating and air conditioning and the method based on the shedding in function of protection characteristic. The proposed methods are validated by simulation for one house (residential sector) and a hotel (tertiary sector) with satisfied results.L'objectif de la thèse est de fournir les méthodes qui permettent de gérer au mieux l'énergie en assurant le confort souhaité. Les modèles de charges sont développés et validés par des mesures. La prévision à court-terme de la consommation correspondant aux multi bâtiments (région) et au secteur résidentiel est proposée par réseaux de neurones et la méthode ascendante. Trois méthodes originales de la gestion optimale prédictive des chauffages et des climatisations sont développées: optimisation du confort thermique, minimisation des pics et minimisation des coûts de consommation. Deux méthodes originales de la gestion des charges en temps réel sont proposées: méthode basée sur un système de régulation adaptative des chauffages et des climatisations et méthode basée sur le délestage en fonction de la courbe de protection. Les méthodes proposées sont validées par simulation pour une maison (secteur résidentiel) et un hôtel (secteur tertiaire) avec les résultats satisfaisants