Soutenance de thèse : Taha BOUSSAID

Approches par apprentissage profond pour la simulation et l'optimisation du contrôle des réseaux de chaleur urbains

Doctorant : Taha BOUSSAID

Laboratoire INSA : CETHIL - Centre d'Énergétique et de Thermique de Lyon

École doctorale : ED n°162 MEGA - Mécanique, Énergétique, Génie Civil, Acoustique

Les réseaux de chaleur urbains ont démontré une forte viabilité économique ainsi que des bénéfices environnementaux importants par rapport aux systèmes de chauffage individuels conventionnels. Ces avantages résultent de leur capacité à intégrer une diversité de sources de chaleur, dont renouvelables, et à exploiter le stockage d'énergie thermique. Toutefois, les interactions complexes entre ces composantes, associées à la variété des échelles de temps dynamiques et aux contraintes opérationnelles, rendent les simulations physiques coûteuses en temps de calcul, compliquant encore davantage l'optimisation du pilotage. L'objectif de ce travail est de développer un outil pour la simulation et l'optimisation du contrôle de ces systèmes. L'obstacle computationnel est levé par la conception d'un modèle de substitution efficace basé sur l'apprentissage profond. Plus précisément, un réseau de neurones convolutif spatio-temporel sur graphes, intégrant des contraintes physiques, est proposé pour approximer le comportement dynamique du réseau, et permet de réduire le temps de simulation jusqu'à trois ordres de grandeur. Afin d'améliorer les performances et la généralisation de ce modèle, une stratégie d'augmentation de séries temporelles combinant une mise à l'échelle gaussienne et un découpage temporel est introduite et évaluée sur des données réelles. De plus, un jumeau numérique physique est également développé pour évaluer la capacité du modèle de substitution à s'adapter à différentes topologies et configurations de réseaux. Le modèle de substitution est ensuite couplé avec différents algorithmes d'optimisation, notamment des algorithmes évolutionnaires et des agents d'apprentissage par renforcement, afin d'évaluer son impact sur l'accélération du pilotage. Les résultats montrent que, si l'optimisation basée sur la simulation physique permet d'obtenir les réductions de coûts opérationnels les plus importantes, l'optimisation basée sur le modèle de substitution offre un meilleur compromis entre précision et coût computationnel, réduisant le temps d'optimisation de plusieurs jours à quelques heures seulement. Enfin, cette thèse élargit l'optimisation du contrôle en intégrant des critères environnementaux via une analyse du cycle de vie. Une nouvelle méthode de pénalisation dynamique des émissions de particules fines est proposée et ajoutée à la fonction objectif pour tenir compte des épisodes de pollution d'air. Les résultats révèlent les principaux compromis entre la réduction des émissions CO2 et d'autres impacts environnementaux, tout en soulignant l'importance du stockage thermique pour assurer une performance durable et flexible des réseaux.