Développement d’un outil d’optimisation énergétique des bâtiments pour les systèmes BIPV

Ivanov Jordan, Ngassa Ngassa (2026). Développement d’un outil d’optimisation énergétique des bâtiments pour les systèmes BIPV. Mémoire. Gatineau, Université du Québec en Outaouais, Département d'informatique et d'ingénierie, 144 p.

PDF Document sous embargo jusqu'au 18 août 2027 Télécharger (7MB)

Résumé

Ce travail présente le développement d’un outil logiciel intelligent pour l’optimisation énergétique des bâtiments équipés de panneaux solaires intégrés à l’architecture (BIPV). L’objectif est de concevoir un système prédictif et adaptatif capable de gérer simultanément production, consommation et stockage, tout en maximisant les économies financières et en préservant la durée de vie des équipements. Dans une première étape, un bâtiment réaliste et son système BIPV ont été entièrement modélisés, intégrant des contraintes spécifiques telles que l’ombrage dynamique, l’orientation et le positionnement des panneaux. A partir de cette maquette, une base de données annuelle de consommation a été constituée et un jumeau numérique développé pour générer en continu les données nécessaires à la validation. Un modèle de prévision de la charge, basé sur un réseau de neurones LSTM, a ensuite été entrainé sur des données horaires. L’optimisation repose sur une approche de contrôle prédictif (MPC) combinée à un solveur de programmation linéaire mixtes (MILP), qui détermine à chaque heure la stratégie la plus avantageuse : acheter ou vendre de l’électricité, charger ou décharger la batterie. Les résultats d’une simulation annuelle démontrent une réduction de la facture électrique de plus de 80 % par rapport à un bâtiment sans panneaux, avec une économie supplémentaire de 18 % par rapport à une gestion sans optimisation. La batterie conserve une durée de vie estimée à 11 ans après un an de fonctionnement, en accord avec les prévisions du fabricant, et le système génère des crédits financiers en été grâce à l’injection des surplus. Testé sur des scénarios de perturbations (coupure de coutant, pics soudains de consommation), l’algorithme a fait preuve d’une grande résilience en retrouvant rapidement un fonctionnement stable. L’ensemble a été validé sur une plateforme de simulation temps réel (OPAL-RT), confirmant la robustesse de l’approche. Cette méthode fournit un outil pratique pour améliorer l’autonomie énergétique des bâtiments et éclairer les décisions d’investissement dans les technologies renouvelables.

This work presents the development of an intelligent software tool for energy optimization in building equipped with building-integrated photovoltaic (BIPV) systems. The goal is to design a predictive and adaptive system capable of simultaneously managing production, consumption, and storage, while maximizing financial savings and preserving equipment lifespan. First, a realistic building and its BIPV system were fully modeled, incorporating specific constraints such as dynamic shading, panel orientation, and positioning. From this model, an annual consumption database was created, and a digital twin was developed to continuously generate the data required for validation. A load forecasting model based on an LSTM neural network was the trained on hourly data. The optimization relies on a model predictive control (MPC) approach combined with a mixed-integer linear programming (MILP) solver, which determines the most advantageous strategy at each hour: buying or selling electricity, or charging or discharge the battery. Results from a full-year simulation show a reduction in electricity bills of over 80 % compared to a building without solar panels, with an additional 18 % savings compared to a non-optimized management strategy. After one year of operation, the battery retains an estimated lifespan of 11 years, consistent with manufacturer projections, while the system generates financial credits during the summer through surplus energy injection. Tested under disturbance scenarios such as power outages and sudden consumption spikes, the algorithm demonstrated strong resilience by quickly returning to stable operation. The entire system was validated on a real-time simulation platform (OPAL-RT), conforming the robustness of the approach. This method provides a practical tool to enhance building energy autonomy and support investment decisions in renewable energy technologies.

Type de document:	Thèse, mémoire ou essai de 2e et 3e cycle (Mémoire)
Directeur de mémoire/thèse:	Taheri, Shamsodin
Co-directeurs de mémoire/thèse:	Rezkallah, Miloud
Départements et école, unités de recherche et services:	Informatique et ingénierie
Date de dépôt:	26 oct. 2026 18:03
Dernière modification:	26 oct. 2026 18:03
URI:	https://di.uqo.ca/id/eprint/2036

Gestion Actions (Identification requise)

Éditer la notice