Les pompes à chaleur ont considérablement évolué ces dernières années. En raison des préoccupations environnementales et des prix élevés des énergies fossiles, le nombre de pompes à chaleur augmente d'année en année. Selon les prévisions, deux millions de nouvelles pompes à chaleur seront raccordées au réseau électrique chaque année d'ici 2025, rien qu'en Europe. Grâce à leur capacité à transférer la chaleur d'une source chaude vers une source froide, elles consomment naturellement moins d'énergie que les solutions de chauffage classiques telles que le chauffage au sol.
Selon une étude réalisée par SuisseEnergie [1] en 2021, l'efficacité moyenne des pompes à chaleur en Suisse se situe entre 3 et 4,5. Cela signifie qu'à consommation électrique égale, une pompe à chaleur chauffe 3 à 4,5 fois plus qu'un chauffe-eau électrique classique. Bien qu'elles affichent un rendement élevé, les pompes à chaleur restent de grandes consommatrices d'énergie et constituent donc un facteur important pour la réduction des coûts d'électricité chez les consommateurs finaux ainsi que pour la stabilité du réseau chez les fournisseurs d'énergie.
Une surveillance active de l'utilisation des pompes à chaleur est donc essentielle tant pour les clients finaux que pour les fournisseurs d'énergie. Les données issues de cette surveillance permettent d'apporter plusieurs améliorations. Grâce à des compteurs intelligents, les fournisseurs d'énergie peuvent prévoir et estimer la charge avec plus de précision, ce qui leur permet de mieux évaluer la quantité d'électricité à acheter ou à produire et de mieux comprendre le réseau. Les consommateurs finaux peuvent suivre leurs habitudes de chauffage et les adapter sur la base de ces informations. En cas d'anomalies de fonctionnement, des notifications peuvent aider à prendre des mesures en temps utile. À l'avenir, les charges surveillables constitueront également la première étape vers des initiatives de réseaux intelligents et des solutions flexibles (par exemple SmartGridready), qui permettront une utilisation accrue des énergies renouvelables et des mesures d'économie d'énergie.
La surveillance peut être effectuée à l'aide d'un compteur électrique tel que le CLEMAP Energy Monitor, qui est directement connecté à la pompe à chaleur, ou via un compteur intelligent. Dans le cadre du projet de recherche Social Power Plus(SSP), nous nous sommes demandé s'il était possible de surveiller les pompes à chaleur à l'aide du matériel existant, tel qu'un compteur intelligent. En règle générale, un compteur intelligent enregistre la consommation électrique de l'ensemble du foyer et pas seulement celle de la pompe à chaleur. La surveillance non intrusive de la charge (NILM) est une technique d'apprentissage automatique qui permet de ventiler les charges en cours dans un foyer à partir d'un seul point de comptage. Grâce à la NILM, nous pouvons donc utiliser les compteurs intelligents existants et n'avons qu'à ajouter un composant logiciel, ce qui réduit considérablement les coûts d'installation.
Dans le cadre du projet SSP, CLEMAP a développé un algorithme NILM pour la désagrégation des pompes à chaleur, qui vise à sensibiliser les gens à leur consommation d'énergie. L'algorithme fonctionne en traitant les données électriques chronologiques de la puissance active (P) et réactive (Q) - cumulées sur les trois phases - avec une résolution temporelle de 15 minutes. Les pompes à chaleur présentent des profils électriques spécifiques et peuvent ainsi être identifiées à l'aide de méthodes statistiques. L'algorithme d'apprentissage automatique développé par CLEMAP a été évalué à l'aide d'un ensemble de données de référence. À cette fin, diverses données électriques ont été collectées pendant plusieurs mois : celles provenant de compteurs électriques intelligents qui mesurent la consommation totale du ménage, ainsi que celles provenant de compteurs électriques intelligents spéciaux pour les pompes à chaleur dans 20 ménages de Suisse orientale équipés de différents types de pompes à chaleur.
Les métriques suivantes peuvent être évaluées pour un modèle d'apprentissage automatique :
Précision de la détection de la pompe à chaleur : dans quelle mesure pouvons-nous prédire à un moment donné si la pompe à chaleur est allumée ou éteinte ? (problème de classification)
Erreur dans la répartition énergétique : dans quelle mesure est-il possible de répartir la part d'énergie consommée par la pompe à chaleur par rapport à l'énergie totale lorsqu'on considère la consommation énergétique sur une période donnée ? (Problème de régression)
Ces indicateurs ont été évalués pour l'ensemble des données, avec les résultats suivants :
Des rapports de recherche récents ([2], [3]) indiquent une précision de 90 à 95 % pour la détection de charges importantes telles que les pompes à chaleur, dans des conditions de laboratoire et parfois avec un taux d'échantillonnage plus élevé. Notre précision de 86 % lors des essais sur le terrain peut donc être considérée comme un succès.
Pour mieux comprendre le résultat, nous pouvons consulter un diagramme en boîte qui présente les métriques pour chaque foyer et les indicateurs statistiques pour l'ensemble des données. Nous examinons ici la précision de la détection des pompes à chaleur (balanced_accuracy_state_ts[%]).
Les points bleus dispersés sur le côté gauche indiquent la précision de chaque foyer. On remarque un point qui présente une mauvaise précision d'environ 40 %. Cette valeur aberrante a été examinée et il a été constaté que son profil électrique diffère considérablement de celui des autres pompes à chaleur, ce qui a conduit à ce résultat. Il a été décidé de conserver cette valeur aberrante dans cette référence afin de montrer que, même si le modèle fonctionne bien, un ajustement peut être nécessaire dans des cas particuliers. À l'avenir, d'autres analyses basées sur d'autres ensembles de données et sur des périodes plus longues permettront d'améliorer encore les performances de l'algorithme.
Les pompes à chaleur connaissent un développement rapide et offrent des avantages tant sur le plan environnemental que financier. Leur surveillance est essentielle tant pour les consommateurs finaux et les fournisseurs d'énergie que pour les fabricants de pompes à chaleur (par exemple, la performance sur le terrain de leur base installée). Cette surveillance peut être effectuée de manière non invasive à l'aide d'algorithmes d'apprentissage automatique et en utilisant les données électriques des compteurs intelligents existants afin de maintenir les coûts à un niveau bas. CLEMAP a développé un algorithme puissant qui détecte les pompes à chaleur avec une précision de 86 %. À l'avenir, cela permettra la mise en œuvre de solutions pour la réduction de la consommation d'énergie, l'utilité du réseau et la gestion de la flexibilité. La solution est actuellement mise en œuvre via les interfaces clients existantes, où les clients ont la possibilité d'utiliser explicitement leurs données. Le résultat d'une efficacité améliorée étant évident, les autorités de régulation doivent s'adapter et permettre à de telles solutions d'être mises en œuvre et utilisées efficacement dans le réseau électrique, alors que le volume de données des compteurs intelligents augmente.
Sources :
[1] SuisseEnergie, rapport « Mesures sur le terrain des installations de pompes à chaleur, saison de chauffage 2020/21 »
[2] « Résultats issus de la surveillance non intrusive des charges », A. Hutter et al., rapport scientifique et technique du CSEM 2016
[3] Salani, M., Derboni, M., Rivola, D. et al. Surveillance non intrusive de la charge pour la gestion de la demande. EnergyInform 3, 25 (2020). https://doi.org/10.1186/s42162-020-00128-2