Les Systèmes Solaires Combinés (SSC), qui répondent aux besoins d'Eau Chaude Sanitaire (ECS) et de chauffage d'un bâtiment, peuvent réaliser des économies d'énergie conséquentes. Cependant, leurs performances dépendent énormément de leur conception, de leur installation et surtout de l'environnement énergétique auquel ils sont confrontés (c'est-à-dire les besoins thermiques du bâtiment et les ressources solaire). A ce jour, il est impossible de prédire l'économie d'énergie qu'un SSC permettrait de réaliser. Il n'existe aucun test normatif permettant la caractérisation des performances des SSC, ce qui pénalise le développement de son marché. La méthode SCSPT (Short Cycle System Performance Test) a pour objectif d'évaluer les performances annuelles des SSC à partir d'un test de 12 jours sur banc d'essai thermique semi-virtuel. Sa particularité est de considérer chaque système comme un unique ensemble ce qui permet, contrairement aux méthodes de type " composant ", de prendre en compte les vraies interactions entre les éléments des SSC lors de leur test. Elle montre de très bons résultats mais ceux-ci sont limités à la prédiction des performances du système pour le seul environnement énergétique adopté lors du test. Ces travaux de recherche proposent une amélioration de la procédure SCSPT en lui ajoutant une étape d'identification d'un modèle générique de SSC à partir de données expérimentales. De cette manière, le modèle identifié pourrait simuler le comportement du SSC testé sur différentes séquences annuelles pour n'importe quel environnement énergétique et ainsi caractériser ses performances (à l'aide de la méthode FSC par exemple). L'architecture proposée pour ce modèle est du type " Boite Grise ". Elle mêle une partie " Boite Blanche " composée d'équations physiques caractéristiques de certains éléments du SSC et une partie " Boite Noire " constituée principalement d'un réseau de neurones artificiels. Une procédure complète est conçue pour entrainer et sélectionner un modèle correspondant aux SSC à partir des données de leur test sur banc d'essai semi-virtuel. Cette approche a été validée numériquement grâce à des simulations de trois modèles détaillés de SSC sous TRNSYS. En comparant leurs résultats annuels avec ceux des modèles " Boites Grises " entrainés à partir d'une séquence 12 jours, ces derniers sont capables de prédire la consommation en énergie d'appoint de manière très précise pour 27 environnements énergétiques différents. L'application concrète de cette nouvelle procédure a été réalisée expérimentalement sur deux SSC réels. Elle a confirmé que l'approche était pertinente et cohérente. Elle a également permis d'identifier quelques améliorations pour que la méthode soit totalement opérationnelle. Ce travaux offrent une base pour avancer dans l'élaboration d'une méthode complète et fiable de caractérisation des SSC qui pourraient conduire à une nouvelle procédure de normalisation (et d'envisager un étiquetage énergétique des SSC).

Les Systèmes Solaires Combinés (SSC), qui répondent aux besoins d'Eau Chaude Sanitaire (ECS) et de chauffage d'un bâtiment, peuvent réaliser des économies d'énergie conséquentes. Cependant, leurs performances dépendent énormément de leur conception, de leur installation et surtout de l'environnement énergétique auquel ils sont confrontés (c'est-à-dire les besoins thermiques du bâtiment et les ressources solaire). A ce jour, il est impossible de prédire l'économie d'énergie qu'un SSC permettrait de réaliser. Il n'existe aucun test normatif permettant la caractérisation des performances des SSC, ce qui pénalise le développement de son marché. La méthode SCSPT (Short Cycle System Performance Test) a pour objectif d'évaluer les performances annuelles des SSC à partir d'un test de 12 jours sur banc d'essai thermique semi-virtuel. Sa particularité est de considérer chaque système comme un unique ensemble ce qui permet, contrairement aux méthodes de type « composant », de prendre en compte les vraies interactions entre les éléments des SSC lors de leur test. Elle montre de très bons résultats mais ceux-ci sont limités à la prédiction des performances du système pour le seul environnement énergétique adopté lors du test. Ces travaux de recherche proposent une amélioration de la procédure SCSPT en lui ajoutant une étape d'identification d'un modèle générique de SSC à partir de données expérimentales. De cette manière, le modèle identifié pourrait simuler le comportement du SSC testé sur différentes séquences annuelles pour n'importe quel environnement énergétique et ainsi caractériser ses performances (à l'aide de la méthode FSC par exemple). L'architecture proposée pour ce modèle est du type « Boite Grise ». Elle mêle une partie « Boite Blanche » composée d'équations physiques caractéristiques de certains éléments du SSC et une partie « Boite Noire » constituée principalement d'un réseau de neurones artificiels. Une procédure complète est conçue pour entrainer et sélectionner un modèle correspondant aux SSC à partir des données de leur test sur banc d'essai semi-virtuel. Cette approche a été validée numériquement grâce à des simulations de trois modèles détaillés de SSC sous TRNSYS. En comparant leurs résultats annuels avec ceux des modèles « Boites Grises » entrainés à partir d'une séquence 12 jours, ces derniers sont capables de prédire la consommation en énergie d'appoint de manière très précise pour 27 environnements énergétiques différents. L'application concrète de cette nouvelle procédure a été réalisée expérimentalement sur deux SSC réels. Elle a confirmé que l'approche était pertinente et cohérente. Elle a également permis d'identifier quelques améliorations pour que la méthode soit totalement opérationnelle. Ce travaux offrent une base pour avancer dans l'élaboration d'une méthode complète et fiable de caractérisation des SSC qui pourraient conduire à une nouvelle procédure de normalisation (et d'envisager un étiquetage énergétique des SSC. / Solar Combi Systems (SCS) can be very efficient at reducing heat energy bill of a house but their performances depend on the environment they are working in (type of climate and thermal quality of the building). Currently it is impossible to predict how much energy a SCS would save before its installation. There is no standard test to characterize SCS performances and this curbs its market development. The Short Cycle System Performance Test (SCSPT), that is being developed at the French National Institute of Solar Energy (INES, Chambery, France), aims to evaluate SCS annual performance from a test on a semi-virtual test bench. Its special feature is to test the whole system as only one part, unlike “component testing” which can't consider real interaction between combisystems components. The SCSPT method shows good results but performance prediction is limited to only one environment (i.e. one set of system sizing, type of climate and building thermal quality, corresponding with the test). This work proposes an improvement of the SCSPT procedure by identifying a global SCS model from the test data. In this way, the identified model would be able to simulate the tested SCS behaviour in any environment and thus to characterize its performances. The proposed model to identify is a “grey box” model, mixing a “white box” model composed of known physical equations and a “black box” model, which is an Artificial Neural Network (ANN). A complete process is developed to train and select a relevant global SCS model from such a test on semi-virtual test bench. This approach has been validated through numerical simulations of three detailed SCS models. Compared to their annual results, “grey box” SCS models trained from a twelve days sequence are able to predict energy consumption with a good precision for 27 different environments. Concrete experimentations of this procedure have been applied to two real systems. They have confirmed that the approach is pertinent and revealed some points to improve in order to get it totally operational. This work offers major basis to get ahead with a complete method to characterize SCS that could lead to develop a standardization method from performance evaluation (and eventually complete the European norm EN 15316 for instance) and to plan a combisystems performance labelling.

L'introduction des nouvelles machines frigorifiques à absorption des petites puissances ouvre des nouvelles perspectives pour les systèmes solaires multifonction multi-source (SYSMFS) qui exploitent le potentiel de l'énergie solaire pour le chauffage, le refroidissement et la préparation de l'eau chaude sanitaire (ECS). Les systèmes solaires combinés (SSC), qui ont précédés les SYSMFS, manquaient néanmoins une procédure adaptée pour le dimensionnement de leurs composants principaux : le panneau solaire et le ballon solaire de stockage thermique. De point de vue de l'énergie et du coût d'investissement et d'exploitation, une méthode de dimensionnement basée sur le pic de charge ne conviendrait pas si la source d'énergie n'est pas garantie d'être stable dans le temps. Une optimisation des composants principaux par la simulation peut être alors une solution clef pour le dimensionnement optimal de SYSMFS. À partir des informations sur les SSC trouvées dans la littérature et celles de fabricant de la machine frigorifique, un schéma hydraulique initial a été élaboré pour un SYSMFS. La modélisation de ce schéma est complexe car des simulations et des modifications répétitives ont été nécessaires pour éliminer les problèmes potentiels de convergence de la solution. A partir de cette expérience, une méthodologie de conception assistée par simulation a été élaborée afin d'en profiter pour des modélisations similaires. En tant que telle, le modèle devrait être prêt pour la phase l'optimisation. Une étude paramétrique a été menée sur le modèle SYSMFS ; elle offre les donnés requises pour la comparaison des algorithmes d'optimisation qui sont testés par la suite. Le résultat de cette étude est une surface de réponse qui représente le coût du SYSMFS en fonction de la superficie du panneau solaire et du volume de stockage thermique du ballon solaire. Pour réduire le nombre des simulations requis par une étude paramétrique complète, l'utilisation d'un algorithme d'optimisation est nécessaire. Un algorithme basé sur le plan d'expérience (OptDOE) a été développé et sa performance est comparée avec celles d'un algorithme d'optimisation hybride sur une fonction de référence de Rosenbrock et sur le modèle SYSMFS. Comparé à l'algorithme hybride, OptDOE a montré une bonne performance. Le nombre de simulations est réduit et les valeurs optimales trouvées, par cette méthode, sont porches de celles de l'étude paramétrique L'OptDOE permet également de décrire le comportement du modèle SYSMFS au voisinage de l'optimum avec une fonction coût approximée. Cette information est importante surtout au cas où la fonction coût a la forme d'une vallée. Dans ce cas, des valeurs différentes de l'optimum donnent presque le même coût global.

L’introduction des nouvelles machines frigorifiques à absorption des petites puissances ouvre des nouvelles perspectives pour les systèmes solaires multifonction multi-source (SYSMFS) qui exploitent le potentiel de l’énergie solaire pour le chauffage, le refroidissement et la préparation de l’eau chaude sanitaire (ECS). Les systèmes solaires combinés (SSC), qui ont précédés les SYSMFS, manquaient néanmoins une procédure adaptée pour le dimensionnement de leurs composants principaux : le panneau solaire et le ballon solaire de stockage thermique. De point de vue de l’énergie et du coût d’investissement et d’exploitation, une méthode de dimensionnement basée sur le pic de charge ne conviendrait pas si la source d’énergie n’est pas garantie d’être stable dans le temps. Une optimisation des composants principaux par la simulation peut être alors une solution clef pour le dimensionnement optimal de SYSMFS. À partir des informations sur les SSC trouvées dans la littérature et celles de fabricant de la machine frigorifique, un schéma hydraulique initial a été élaboré pour un SYSMFS. La modélisation de ce schéma est complexe car des simulations et des modifications répétitives ont été nécessaires pour éliminer les problèmes potentiels de convergence de la solution. A partir de cette expérience, une méthodologie de conception assistée par simulation a été élaborée afin d’en profiter pour des modélisations similaires. En tant que telle, le modèle devrait être prêt pour la phase l’optimisation. Une étude paramétrique a été menée sur le modèle SYSMFS ; elle offre les donnés requises pour la comparaison des algorithmes d’optimisation qui sont testés par la suite. Le résultat de cette étude est une surface de réponse qui représente le coût du SYSMFS en fonction de la superficie du panneau solaire et du volume de stockage thermique du ballon solaire. Pour réduire le nombre des simulations requis par une étude paramétrique complète, l’utilisation d’un algorithme d’optimisation est nécessaire. Un algorithme basé sur le plan d’expérience (OptDOE) a été développé et sa performance est comparée avec celles d’un algorithme d’optimisation hybride sur une fonction de référence de Rosenbrock et sur le modèle SYSMFS. Comparé à l’algorithme hybride, OptDOE a montré une bonne performance. Le nombre de simulations est réduit et les valeurs optimales trouvées, par cette méthode, sont porches de celles de l’étude paramétrique L’OptDOE permet également de décrire le comportement du modèle SYSMFS au voisinage de l’optimum avec une fonction coût approximée. Cette information est importante surtout au cas où la fonction coût a la forme d’une vallée. Dans ce cas, des valeurs différentes de l’optimum donnent presque le même coût global. / The introduction of new low capacity absorption chillers opens new prospects for the multifunction multisource solar systems (MFSSYS) which exploit the full potential of the solar energy for heating, cooling and production of domestic hot water (DHW) purposes. The solar combisystems (SCS), which preceded the MFSSYS, lacked an adapted procedure for the sizing of their main components: the solar collector and the solar thermal storage tank. From the point of view of the energy and investment cost, a sizing method based on the peak load may fail if the energy source is not guaranteed to be stable. An optimization of the main components by simulation may be then a key solution for an optimal sizing of the MFSSYS. An initial hydraulic schematic is elaborated for the MFSSYS based on information found in the literature about the SCS and the data made available by the chiller manufacture. The modeling of this schematic is complex as redundant simulation and modification were necessary in order to eliminate the potential problems of solution convergence. From this experience, a method of simulation aided design is elaborated. Parametric runs were carried out on the MFSSYS model. They offer needed information for the comparison of the optimization algorithms which are tested later on. The outcome of these parametric runs is a response surface which represents the cost of the MFSSYS as a function of the solar collector surface area and the volume of the solar thermal storage tank. In order to reduce the number of simulations required by a complete parametric runs method, the use of optimization algorithm become a necessity. An optimization algorithm based on the design of experiments (OptDOE) is developed; its performance is compared with the one of a hybrid optimization algorithm in two cases: a reference function of Rosenbrock and the model of the MFSSYS. Compared to the hybrid optimization algorithm, OptDOE has showed good performance. The number of simulations is reduced and the optimized values, found by this method, are close to those of the parametric runs. The main advantage of OptDOE is to describe the behavior of the cost function in the neighborhood of the optimum. This information is valuable especially when the cost function has a valley-like form, which is the case for the systems we studied. In this case, the cost has approximately the same value for a large variation range of the optimized parameters.