Le rôle de la programmation intégrale dans l'optimisation énergétique des bâtiments

Les architectes et les ingénieurs doivent choisir le bon nombre de fenêtres, les appareils de chauffage et de refroidissement de taille, choisir les épaisseurs d'isolation et le fonctionnement de l'équipement, tout en restant dans le budget et en maintenant le confort de l'occupant. Beaucoup de ces choix impliquent des nombres entiers : vous ne pouvez pas installer un demi-réfrigérateur ou placer un panneau solaire à une inclinaison fractionnelle. C'est là que la programmation entière, une branche d'optimisation mathématique, devient indispensable. En formulant des problèmes de conception de bâtiments comme modèles de programmation entiers, les praticiens peuvent identifier systématiquement des configurations qui réduisent l'utilisation de l'énergie ou le coût du cycle de vie, en faisant l'un des outils les plus puissants de la trousse de conception durable.

Comprendre la programmation intégrale

Ce qui rend la programmation entière différente

La programmation intégrale (IP) est une classe d'optimisation où au moins une variable de décision est limitée aux valeurs entières. Cela contraste avec la programmation linéaire (LP), où toutes les variables peuvent prendre n'importe quel nombre réel. Dans la conception du bâtiment, les variables entières se présentent naturellement : vous ne pouvez pas choisir 2,7 unités CVC ou 3,2 fenêtres. Plus courantes sont les variables binary integer—variables qui ne prennent que des valeurs 0 ou 1—utilisées pour représenter des décisions oui/non, comme l'installation d'un équipement particulier ou l'orientation à choisir pour une banque de fenêtres.

Programmation en entier mixte

La forme la plus pratique pour les applications de construction est la programmation mixte-entier (MIP), qui comprend à la fois des variables entières et continues. Par exemple, le nombre de panneaux solaires (entier) et leur angle d'inclinaison (continu) peuvent être optimisés simultanément. Les modèles MIP sont plus réalistes mais calculables plus difficiles à résoudre que les problèmes LP purs.

Comment les modèles de programmation entiers sont structurés

Chaque modèle IP comporte trois composantes:

  • Variables de décision – quantités ou choix à déterminer (p. ex. x i = 1 si une pompe à chaleur est installée, 0 sinon).
  • Fonction objective[ – la mesure à minimiser ou à maximiser (p. ex., coût total annuel de l'énergie, émissions de carbone ou valeur actualisée nette).
  • Constraints – limites physiques, plafonds budgétaires, exigences de rendement (p. ex., la température intérieure doit rester entre 20 et 26 et 26 et deg;C, la capacité installée totale doit satisfaire à la charge maximale).

Le solveur recherche la combinaison de valeurs entières et continues qui donne le meilleur objectif tout en satisfaisant toutes les contraintes. Parce que l'espace de recherche augmente exponentiellement avec le nombre de variables entières, les méthodes heuristiques et branche-et-bound sont utilisées pour tailler la recherche efficacement.

Principales applications de la conception de bâtiments économes en énergie

Taille et sélection du système d'énergie renouvelable

Un problème typique consiste à déterminer combien de panneaux photovoltaïques solaires (PV), d'éoliennes ou d'unités de stockage de batteries doivent être installés, avec leurs capacités, pour répondre à un profil de charge du bâtiment. Les variables d'integer saisissent des modèles d'équipement discrets (p. ex., un panneau 300 W vs. un panneau 400 W) et si elles doivent être installées du tout. Les variables continues peuvent représenter l'angle d'inclinaison ou l'état de charge d'une batterie.

Les recherches montrent que les modèles du PIM peuvent réduire le coût de l'énergie (LCOE) de 10 à 20 % par rapport aux règles de base simples, surtout lorsqu'ils sont combinés avec les tarifs de l'électricité à temps d'utilisation. Le modèle peut déplacer la production d'énergie renouvelable pour correspondre à la demande maximale, stocker l'énergie excédentaire dans les batteries et tenir compte de contraintes comme la superficie du toit et la capacité de charge structurelle.

Conception et calendrier du système CVC

La programmation d'integer aide à deux façons : size l'équipement et scheduling[ son fonctionnement. Pour le calibrage, les variables d'integer sélectionnent parmi les tailles discrètes de refroidisseur, de chaudière et d'unité de manutention de l'air. L'objectif pourrait être de minimiser une combinaison du coût en capital et du coût annuel de l'énergie (y compris les frais de demande).

Pour l'établissement des horaires, la programmation entière contrôle lorsque l'équipement s'allume ou s'éteint (variables binaires) et quelle zone est conditionnée à quel niveau. Ceci est particulièrement utile pour les systèmes à débit de réfrigérant variable (VRF) ou les boucles d'eau réfrigérées où plusieurs unités partagent une charge. Un programmeur basé sur le MIP peut réduire la demande de pointe en étalant les temps de démarrage et en prérefroidissant la masse thermique pendant les heures creuses.

Exemple : Séquence de chiller

Considérez un bâtiment avec cinq refroidisseurs identiques, chacun d'une capacité discrète de 100 tonnes. La charge de refroidissement varie tout au long de la journée. Un modèle de programmation entier déciderait du nombre de refroidisseurs à exécuter (0–5) et du rapport de charge partielle. Les contraintes garantissent que la capacité totale répond à la charge, et que les refroidisseurs fonctionnent efficacement (évitant les très faibles charges partielles qui gaspillent l'énergie). L'objectif minimise la consommation d'énergie totale, en intégrant des courbes d'efficacité de la charge partielle.

Optimisation de l'enveloppe de construction: Isolation et Windows

La programmation de l'entier optimise le positionnement et le type de ces composants. Pour les fenêtres, les variables entières sélectionnent parmi les types prédéfinis de fenêtres (double-panne basse, triple-panne, etc.) et décident d'installer une fenêtre sur un segment de mur donné. Les variables continues gèrent le rapport entre fenêtre et mur et la profondeur de surplomb de l'ombrage.

Pour l'isolation, la programmation en entier peut choisir entre des épaisseurs d'isolation discrètes (par exemple 2, 4, 6 pouces) pour chaque surface du bâtiment. L'objectif pourrait minimiser l'énergie totale de chauffage et de refroidissement sur une année, sous réserve d'une contrainte budgétaire.Les contraintes assurent également l'intégrité structurelle et la conformité au code.Un papier dans Énergie et bâtiments[ a démontré que l'optimisation de l'enveloppe basée sur le MIP peut réduire la consommation d'énergie de 25 % par rapport à la pratique standard, avec les plus grands gains dans les climats avec de grandes oscillations diurnes de température.

Conception et contrôle du système d'éclairage

La programmation intégrale optimise la sélection des luminaires (différentes puissances et efficacités), le positionnement des capteurs de lumière du jour et la programmation des niveaux de dilution. Les variables binaires déterminent quels appareils installer et lesquels sont dimmables; les variables continues fixent les niveaux de dilution. Les contraintes comprennent l'obtention de niveaux d'éclairage minimum dans chaque espace de travail et une répartition uniforme de la lumière. Le modèle minimise l'utilisation totale de l'électricité tout en tenant compte de la récolte de lumière du jour – où les capteurs ajustent la lumière artificielle en fonction de la lumière du jour disponible.

Avantages de la programmation intégrale dans la conception de bâtiments

Prise de décisions rentables

Le principal avantage de la programmation intégrale est la capacité de trouver des solutions qui équilibrent les dépenses en capital et les économies d'exploitation. Par exemple, investir dans des fenêtres à haute performance peut coûter cher dès le départ, mais permet d'économiser de l'énergie pendant des décennies. Un modèle IP peut évaluer les compromis entre des milliers de scénarios et identifier le point optimal.

Énergie et réduction du carbone

En optimisant chaque aspect discret et continu des systèmes énergétiques d'un bâtiment, la programmation intégrale réduit directement la consommation d'énergie et les émissions de gaz à effet de serre qui y sont associées.Le département américain de l'énergie (DOE a financé plusieurs projets utilisant le MIP pour la conception de bâtiments à zéro net, ce qui permet de réduire de 40 à 60 % l'intensité de la consommation d'énergie par rapport aux bâtiments à minimum de code.

Soutien aux certifications de bâtiments écologiques

Par exemple, un crédit LEED v4.1 nécessite l'optimisation de la performance énergétique à l'aide de simulations de construction intégrale; un modèle IP qui minimise l'utilisation d'énergie contribue directement à ce crédit. De même, le modèle peut tenir compte du carbone incarné des matériaux, une autre exigence de certification émergente. Cette approche systématique rationalise le processus de certification et fournit une documentation vérifiable.

Interactions complexes de manipulation

L'ajout d'une isolation réduit la charge de CVC, mais réduit également la capacité d'une pompe à chaleur nécessaire, ce qui modifie le nombre optimal de panneaux solaires. La programmation entière capture ces interdépendances car la fonction objective et les contraintes peuvent inclure des termes que les variables de couple. Aucune méthode de conception heuristique ou séquentielle ne peut correspondre à l'optimisation holistique d'un modèle IP unique. Cela conduit à des conceptions non seulement économes en énergie mais également cohérentes en interne.

Défis dans l'application de la programmation intégrale

Complexité informatique

Les problèmes de programmation entiers sont difficiles à résoudre en général, ce qui signifie qu'ils peuvent être résolus dans de très grands cas (p. ex., des centaines de milliers de variables entières) sans techniques avancées. Pour la conception de bâtiments, les modèles comportant quelques centaines de variables entières sont généralement solubles en quelques minutes, mais l'optimisation de l'ensemble du bâtiment qui comprend l'horaire horaire sur une année peut impliquer des millions de variables.

Qualité des données et incertitude

Les modèles de programmation entiers nécessitent des données précises : fichiers météorologiques, horaires d'occupation, courbes d'efficacité de l'équipement, structures des tarifs d'utilité et coûts matériels. Les incertitudes dans ces entrées peuvent conduire à des performances réelles suboptimales. Pour y remédier, des extensions robustes d'optimisation et de programmation stochastique intègrent des ensembles d'incertitudes ou des distributions de probabilités, rendant la solution résiliente aux variations.

Intégration avec les outils de simulation

La plupart des outils de simulation d'énergie (p. ex. EnergyPlus, TRNSYS) ne sont pas conçus pour être intégrés à un solveur de programmation entier. Les praticiens doivent plutôt créer des modèles de substitution – régression simplifiée ou approximations de réseau neuronal – qui saisissent le comportement de construction assez rapidement pour que le solveur puisse appeler à plusieurs reprises.

Orientations futures et tendances émergentes

Méthodes hybrides: IP + apprentissage automatique

Un domaine prometteur combine la programmation intégrale avec l'apprentissage automatique. Par exemple, un réseau neuronal peut prédire la réponse thermique du bâtiment, puis le solveur utilise ce qui est prédictif dans la fonction objective. Parce que les réseaux neuronaux sont non linéaires (même non convexes), des techniques spéciales comme la programmation mixte-integer avec des réseaux neuronaux formés sont en cours de développement. Le solveur peut intégrer le réseau neuronal comme un ensemble de contraintes utilisant des formulations grand-M, permettant une optimisation de bout en bout. Cela permet au modèle d'utiliser des surrogates de haute fidélité sans sacrifier le cadre IP.

Intégration avec la modélisation de l'information sur les bâtiments (BIM)

Les plateformes BIM comme Autodesk Revit contiennent de riches données sémantiques sur la géométrie, les matériaux et les systèmes de construction. L'extraction automatique des variables et des contraintes entières pertinentes des modèles BIM et leur alimentation à un optimiseur peut réduire considérablement l'effort manuel. Les prototypes précoces démontrent qu'un pipeline BIM-to-MIP peut générer, résoudre et ensuite écrire des paramètres de conception optimaux au modèle BIM, permettant l'exploration spatiale en temps réel.

Solveurs basés sur le nuage et scalabilité

Les services comme Amazon Web Services et Google Cloud permettent d'accéder aux solutions avancées (Gurobi, CPLEX) sur une base payante à l'usage. Cela réduit la barrière à l'entrée. Combiné avec le calcul parallèle, les modèles qui une fois pris des heures peuvent être résolus en minutes, rendant la programmation entière possible pour une utilisation quotidienne dans les bureaux de conception de bâtiments.

Normalisation et modèles préconfigurés

Pour accélérer l'adoption, les chercheurs élaborent des modèles de PI préconçus pour les types de bâtiments communs (bureaux, écoles, hôpitaux), qui comprennent des contraintes typiques (conformité au code, bandes de confort) et des fonctions objectives (coût énergétique, carbone ou valeur actualisée nette).Les utilisateurs doivent seulement saisir des données spécifiques à un projet (taille, emplacement, paramètres de l'enceinte).

Étapes pratiques pour mettre en oeuvre la programmation intégrale dans votre projet

  1. Définir la portée – Quels systèmes seront optimisés? Commencez par le dimensionnement CVC et la production renouvelable, puis étendez-vous à enveloppe et aux contrôles.
  2. Collecter les données – Recueillir les fichiers météorologiques (TMY3), les tarifs des services publics, les catalogues d'équipement (y compris les courbes de charge partielle) et les coûts de construction.
  3. Choisir un solveur – Pour les petits modèles (moins de 500 variables entières), les solveurs open-source comme HiGHS ou SCIP sont suffisants.
  4. Formuler le modèle – Écrire des variables de décision, une fonction objective et des contraintes. Utiliser des variables binaires pour les décisions oui/non et un entier général pour les comptes. Valider avec un simple cas de test.
  5. Solve and interpret – Exécutez le solveur, vérifiez l'écart d'optimalité. Si l'écart est important, ajoutez des inégalités valides ou utilisez un heuristique pour chauffer le solveur.
  6. Itérer – Affiner le modèle sur la base d'une analyse de sensibilité. Par exemple, exécuter le modèle sans restriction entière (relation LP) montre où se trouve la solution continue; cela peut mettre en évidence les décisions entières les plus critiques.

Conclusion : Un outil essentiel pour la conception durable des bâtiments

La programmation intégrale transforme la façon dont les concepteurs abordent les bâtiments écoénergétiques. En représentant explicitement des choix discrets, elle saisit la nature réelle des décisions de construction, et non des fractions. La technique offre des conceptions moins chères à exécuter, moins carbone et plus confortables pour les occupants. Bien que des défis informatiques subsistent, les progrès dans les algorithmes, l'informatique en nuage et l'intégration BIM rendent l'IP accessible à une communauté plus large.

Références externes