Return to search

Suivi de l’état de santé des réseaux de distribution de chaleur / Heating networks’ health state monitoring

Les entreprises qui exploitent les réseaux de chaleur fournissent un service énergétique à leurs clients. Face à l’augmentation des coûts de l’énergie et aux contraintes réglementaires et sociétales de plus en plus strictes, ces industriels distributeurs d'énergie cherchent à maîtriser l'efficacité énergétique de leurs installations notamment pour améliorer leur compétitivité et leur image. Dans ce contexte, l’industriel doit suivre l’efficacité énergétique et l'état de santé de l’installation, afin de pouvoir réagir en cas de problème, en particulier en effectuant ou en planifiant des opérations de maintenance. En raison du volume important de données à traiter et du temps de réaction court souhaité, il est nécessaire de développer des méthodes efficientes permettant d’aider l’opérateur à suivre l’état de santé du système, et à prendre ainsi les décisions de maintenance nécessaires. L'approche d'aide à la décision que nous proposons s'appuie sur des indicateurs pertinents de l'état de santé de l'installation et des composants, dont les évolutions sont facilement interprétables par l'opérateur. Les modèles de comportements des équipements des réseaux de chaleur sont utilisés d'une part pour générer ces indicateurs, d'autre part pour établir les liens entre les défauts de ces équipements et leurs impacts sur l’efficacité énergétique du réseau de distribution. Ces liens sont analysés pour chercher les sous-systèmes surveillables, vérifier si les défauts à surveiller sont structurellement détectables et guider la génération des indicateurs. Des modèles statiques sont retenus pour leur généricité, leur facilité d’élaboration, de calcul et d’interprétation. Les indicateurs générés en utilisant des modèles statiques doivent être calculés lorsque le système fonctionne en état stationnaire. Pour cette raison, nous proposons une méthode pour rechercher les fenêtres temporelles durant lesquelles le fonctionnement est stationnaire. Les indicateurs calculés sur ces fenêtres temporelles sont ensuite analysés pour donner à l'opérateur des informations sur l'état de santé du système. L’analyse structurelle montre qu'un indicateur peut être sensible à différents défauts, et qu'un défaut peut influencer les valeurs de plusieurs indicateurs. Les évolutions de ces indicateurs peuvent donc être corrélées. Afin d’exploiter les informations des corrélations des évolutions des indicateurs pour isoler les défauts, les valeurs des indicateurs sont traitées dans l’espace des indicateurs. Nous proposons une méthode de clustering dynamique afin d'aider l'opérateur à suivre l'état de santé du réseau. La démarche proposée est appliquée sur un site industriel géré par Veolia, partenaire industriel de cette thèse. Le suivi de l’état de santé est réalisé en utilisant les données enregistrées sur le site durant deux mois. Les résultats obtenus montrent l'efficacité des outils et méthodes proposés. / Companies managing district heat networks, provide energy services to customers. Faced with rising energy costs and increasingly stringent regulatory and societal pressures, these energy service companies are seeking to control the system energy efficiency, aiming at improving their competitiveness and social image. In this context, the industrial needs to monitor the energy efficiency of the energy distribution system and its health state, in order to perform maintenance operations in case of problems. Due to the large amount of data and the desired short reaction time, it is necessary to develop methods to support the operator in the health state monitoring and in the maintenance decision-making process. These methods aim at providing appropriate health indicators of system's components, whose evolutions are easy to be interpreted by operators. Behavioral models of heat networks are used on the one hand to generate these indicators, and on the other hand to establish the links between component faults and their impacts on energy efficiency of the network. These links are analyzed to search for monitorable subsystems, i.e. to verify whether the faults to be monitored are structurally detectable, and to guide the indicators generation. Static models are retained for their genericity, simplicity of development, of calculation and of interpretation. Indicators generated using static models must be calculated when the system is operating in steady state. For this reason, we propose a method to determine the steady state time-windows. The computed indicators are then analyzed to give to the operator an information on the system's health state. Structural analysis shows that an indicator can be sensitive to different faults, and that a fault can influence the values of several indicators. The evolutions of these indicators can therefore be correlated. In order to use the information of the correlation between the indicators to isolate the fault,indicators values are analyzed in the space of indicators. We propose a dynamic clustering method to help the operator to monitor the health state of the network.The proposed approach is applied on a heat network plant managed by Veolia, the industrial partner of this thesis, using the data recorded during two months. The results show the efficiency of the proposed tools and methods.

Identiferoai:union.ndltd.org:theses.fr/2019LIL1I016
Date02 April 2019
CreatorsWang, Yuqi
ContributorsLille 1, Cocquempot, Vincent, Cassar, Jean-Philippe
Source SetsDépôt national des thèses électroniques françaises
LanguageFrench
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0223 seconds