Smart and adaptive energy management and control system by ambient intelligence techniques and technologies
Techniques et technologies de l’Intelligence Ambiante pour la gestion intelligente et contrôle adaptative de l’efficacité énergétique
Résumé
Nowadays SBEMS are suffering from a lack of effective smart architecture offering adaptability versus use-case contexts while benefiting from market-availability of a huge number of technological and devices’ choices. Dealing with the smart building energy management system (SBEMS), this thesis focus more particularly on designing the architecture of SBEMS, the development of the two most important of its subsystems (namely, lighting system and heating system) and evaluation of those systems through their effective implementation. The objective of present doctoral investigation is to present an energy-efficient SBEMS taking advantage from ambient intelligence and artificial intelligence concept and techniques. To carry out such an architecture, a multi-layer architecture with market-available technologies is presented. Compatible with most of the available technologies in the market, the proposed architecture has been integrated within a real five-floor building serving as a research platform for developing the subsystems of SBEMS. The development of two aforesaid subsystems is studied separately.Concerning the lighting system, in order to cope with energy-decrease an adaptive lighting-elements’ control strategy taking advantage from as well lighting-elements’ placement in space as the space-users’ presence is presented. The proposed lighting system uses various methods and advanced lighting technology in order to adaptively control lighting elements versus their effective locations within the concerned living-spaces. The proposed lighting system is highly energy-efficient and adaptive to different lighting conditions. The evaluation and validation results show the effectiveness of the proposed approach, reaching over 70% lighting energy reduction with same user’s comfort.Concerning the heating systems, the analysis of the main proposed SBEMS leaded to fact that the most of already advanced developed heating control systems remain either in a prototype state (because of their relatively complex implementation requirements) or require very specific technologies not implementable in most of existing buildings. On the other hand, the above-mentioned analysis has also pointed out that the most of SBEMS deploy quite very basic heating-control strategies limited to quite simplistic pre-designed use-cases’ scenarios. In the present doctoral thesis, we propose a heating-control strategy taking advantage from the overall identification of the heating-space as taking advantage from consideration of the heating-space users’ presence: as additional thermal sources. To handle this, space heating dynamics are identified using time series prediction techniques with Machine-Learning approaches supporting an adaptive controller operating on the basis of Soft-Computing (bio-inspired artificial intelligence) techniques. The carried out studies and experimental validations illustrate the effectiveness of the proposed approaches in enhancement of energy-saving and user comfort in SBEMS.
Aujourd'hui, les systèmes de gestion d’énergie des bâtiments intelligents (SGEBI) souffrent d'un manque d'architectures intelligentes efficaces offrant une adaptabilité aux contextes d'utilisation, tout en bénéficiant de la disponibilité sur le marché d'un grand nombre de choix technologiques et d'appareils connectés. Focalisant SGEBI, la présente thèse porte plus particulièrement sur la conception d’une architecture du SGEBI, le développement des deux plus importants de ses sous-systèmes (à savoir, le système d'éclairage et le système de chauffage) et l'évaluation de ces systèmes à travers leur mise en œuvre effective. L'objectif de la présente recherche doctorale est de présenter un SBEMS économe en énergie tirant partie des concepts et des techniques de l’intelligence ambiante et de l'intelligence artificielle. Pour réaliser une telle architecture, une architecture multicouche avec des technologies disponibles sur le marché est présentée. Compatible avec la plupart des technologies disponibles sur le marché, l'architecture proposée a été intégrée dans un véritable bâtiment de cinq étages servant de plateforme de recherche pour développer les sous-systèmes de SGEBI. Le développement de deux sous-systèmes précités est étudié séparément.En ce qui concerne le système d'éclairage, afin de réaliser la diminution de l'énergie, une stratégie de contrôle adaptatif des éléments d'éclairage tirant partie à la fois du placement des éléments d'éclairage dans l'espace concerné et de la présence des utilisateurs dans cet espace a été proposée. Le système d'éclairage proposé utilise diverses méthodes et technologies d'éclairage avancées afin de contrôler de manière adaptative les éléments d'éclairage en fonction de leur emplacement effectif dans les espaces concernés. Le système d'éclairage proposé est très économe en énergie et s'adapte à différentes conditions d'éclairage. Les résultats de l'évaluation et de la validation montrent l'efficacité de l'approche proposée, avoisinant 70% de réduction de l'énergie d'éclairage avec le même confort d'utilisation.En ce qui concerne les systèmes de chauffage, l'analyse des principaux SGEBI proposés a conduit au constat que la plupart des systèmes de contrôle de chauffage avancés déjà développés restent soit à l'état du prototype (en raison de leurs exigences de mise en œuvre relativement complexes), soit nécessitent des technologies très spécifiques non implantables dans la plupart des bâtiments existants. D’un autre côté, le même analyse a également montré que la plupart des SGEBI déploient des stratégies de contrôle du chauffage assez basiques, limitées à des scénarios d’utilisation prédéfinis assez simplistes. Dans la présente thèse doctorale, nous proposons une stratégie de régulation du chauffage tirant partie de l'identification globale de l'espace de chauffage comme tirant partie de la prise en compte de la présence des utilisateurs de l'espace de chauffage concerné : comme sources thermiques supplémentaires. Pour réaliser cela, la dynamique du chauffage des locaux est identifiée à l'aide de techniques de prédiction basées sur les séries temporelles avec des approches tirant bénéfice d'apprentissage artificiel et un contrôleur adaptatif fonctionnant sur la base de techniques issues du concept du « calcul tolèrent » (l’intelligence artificielle bio-inspirée).Les études et les validations expérimentales réalisées illustrent l'efficacité des approches proposées dans l'amélioration de l’économie d'énergie et du confort des utilisateurs dans SGEBI.
Origine : Version validée par le jury (STAR)