Dans le cadre de la transition énergétique, il est nécessaire d'accompagner le déploiement de systèmes multi-énergies, couplant des composants de production et de stockage afin d'intégrer au mieux les énergies renouvelables.
Tout l'enjeu est de piloter ces systèmes de façon optimale pour mieux planifier la production, et en amont, de les dimensionner au mieux. Les modèles mathématiques utilisés font l'objet d'un compromis difficile à trouver entre temps de calculs, précision des indicateurs et complexité des modèles.
Le CEA-Liten a proposé une nouvelle méthodologie pour dimensionner et piloter les systèmes énergétiques. L'alimentation en électricité, chauffage et eau chaude sanitaire des 23 bâtiments du quartier Cambridge à Grenoble a été considérée avec une chaudière gaz, un recours fioul, des panneaux solaires thermiques, une pompe à chaleur et des stockages de chaleur. Pour la partie électrique, seul le réseau a été considéré. Le fonctionnement énergétique du quartier a été représenté à chaque instant de l'année et au pas de temps de l'heure avec différentes méthodologies dans l'outil logiciel PERSEE développé au CEA-Liten.
L'objectif était ensuite de déterminer dans quelle mesure la nouvelle méthodologie permettait l'introduction de modèles plus représentatifs des contraintes d'opérations à court terme du système, tout en optimisant son opération à l'échelle de l'année pour bénéficier d'effets saisonniers sur la chaleur, sans compromettre la faisabilité même de la simulation avec des modèles trop complexes. Avec les méthodologies classiques, qui utilisent des modèles simplifiés, les systèmes de production et de stockage apparaissent sous-dimensionnés car exploités de manière non optimales. On observe notamment un recours excessif aux productions basées sur des énergies fossiles plus polluantes (ici le fioul). La méthodologie proposée par le CEA-Liten permet quant à elle de piloter le système de manière presque aussi performante qu'en ayant eu connaissance en avance de la demande à l'année (écart de 1 à 2 %). Elle présente par ailleurs une capacité d'adaptation forte si la demande réelle évolue par rapport aux prévisions. Cela a été rendu possible en conservant les contraintes d'opération sans les simplifier, et en optimisant l'usage des unités de production pour réduire la part liée aux énergies fossiles.