Les pompes à chaleur se sont énormément développées ces dernières années. En raison de la thématique environnementale et du prix élevé 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 chaque année au réseau électrique rien qu'en Europe d'ici 2025. Grâce à leur capacité à transférer la chaleur d'une source chaude à une source froide, elles consomment naturellement moins d'énergie que les solutions de chauffage classiques comme le chauffage au sol.
Selon une étude de SuisseEnergie [1] datant de 2021, l'efficacité moyenne des pompes à chaleur en Suisse se situe entre 3 et 4,5. Cela signifie que pour une même consommation d'électricité, une pompe à chaleur chauffe le ménage 3 à 4,5 fois plus qu'un chauffe-eau électrique classique. Bien qu'elles présentent des rendements élevés, les pompes à chaleur restent de gros consommateurs d'énergie et constituent donc un facteur important de réduction des coûts d'électricité pour les consommateurs finaux et de stabilité du réseau pour les entreprises de distribution.
Une surveillance active de l'utilisation des pompes à chaleur est donc essentielle, tant pour les clients finaux que pour les services publics. Plusieurs améliorations peuvent être apportées sur la base des données du monitoring. Les fournisseurs d'énergie peuvent prévoir et prédire la charge avec plus de précision grâce à des compteurs intelligents, ce qui permet de mieux estimer 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 en fonction de ces informations. En cas d'anomalies dans le fonctionnement, des notifications peuvent aider à prendre des mesures à temps. À l'avenir, les charges contrôlables constitueront également la première étape vers des initiatives de smart grids et des solutions de flexibilité (par exemple SmartGridready), qui permettront une utilisation accrue des énergies renouvelables et des mesures d'économie d'énergie.
La surveillance peut se faire à l'aide d'un compteur électrique tel que le CLEMAP Energy Monitor, 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 étions posé la question de savoir s'il était possible de surveiller les pompes à chaleur avec le matériel existant, comme un compteur intelligent. Le cas normal est qu'un compteur intelligent enregistre la consommation électrique de l'ensemble du ménage et pas seulement celle de la pompe à chaleur. Le Non-Intrusive Load Monitoring (NILM) est une technique de machine learning qui permet de décomposer les charges en cours dans un ménage à partir d'un seul point de comptage. Avec NILM, nous pouvons donc utiliser des compteurs intelligents existants et n'ajouter qu'un seul composant logiciel, ce qui réduit considérablement les coûts de mise en place.
Le CLEMAP a développé au sein du SSP 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 temporelles en série de la puissance active (P) et réactive (Q) - additionnées sur les trois phases - avec une résolution temporelle de 15 minutes. Les pompes à chaleur présentent des profils électriques spécifiques et peuvent donc être détectées par des méthodes statistiques. L'algorithme d'apprentissage automatique développé par CLEMAP a été évalué à l'aide d'un ensemble de données de référence. Pour ce faire, différentes données électriques ont été collectées pendant plusieurs mois : celles de compteurs électriques intelligents mesurant l'ensemble du ménage ainsi que celles de compteurs électriques intelligents spécifiques 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 :
La 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 activée ou désactivée ? (problème de classification)
Erreur de ventilation énergétique : dans quelle mesure est-il possible de ventiler la part de l'énergie consommée par la pompe à chaleur par rapport à l'énergie totale si l'on considère une consommation d'énergie sur une période donnée ? (problème de régression)
Ces métriques ont été évaluées pour l'ensemble des données avec les résultats suivants :
Les rapports de recherche actuels ([2], [3]) indiquent une précision de 90-95 % pour la détection de grandes charges 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 tests sur le terrain peut donc être considérée comme un succès.
Pour mieux comprendre le résultat, nous pouvons regarder un box plot qui montre les métriques pour les ménages individuels 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 éparpillés sur la gauche indiquent la précision des différents ménages. On peut distinguer 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 différait considérablement de celui des autres pompes à chaleur, ce qui a conduit à ce résultat. Il a été décidé de laisser cette valeur aberrante dans ce benchmark afin de montrer que, bien que le modèle offre de bonnes performances, un réglage fin pourrait être nécessaire pour des cas spécifiques. 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 se développent rapidement et offrent à la fois des avantages environnementaux et financiers. 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 d'électricité des compteurs intelligents existants afin de maintenir les coûts à un niveau bas. CLEMAP a développé un algorithme performant qui détecte les pompes à chaleur avec une précision de 86 %. À l'avenir, cela permettra de mettre en œuvre des solutions de réduction d'énergie, de service réseau et de gestion de la flexibilité. Le déploiement actuel de la solution se fait via les interfaces clients existantes, où les clients ont la possibilité d'utiliser explicitement leurs données. Le résultat d'une meilleure efficacité étant évident, les régulateurs doivent s'adapter et permettre que de telles solutions soient effectivement mises en œuvre et déployées sur le réseau électrique à mesure 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]"Results from Non-intrusive Load Monitoring", A. Hutter et al., CSEM Scientific and Technical Report 2016
[3] Salani, M., Derboni, M., Rivola, D. etal. Non intrusive load monitoring for demand side management. EnergyInform 3, 25 (2020). https://doi.org/10.1186/s42162-020-00128-2
Découvrez des solutions adaptées à cet article de blog.
