La transition bas-carbone est en marche, portée par des moteurs législatifs comme le décret BACS pour atteindre les objectifs réglementaires d’efficacité énergétique. Pour les villes et les bâtiments cela se traduit par une optimisation de la gestion de l’Energie impliquant de manière cohérente l’ensemble des éléments de la chaine de production et de consommation. Les systèmes de climatisation, de chauffage et de ventilation (CVC/HVAC) représentent les principaux postes de dépense énergétique d’un bâtiment et une régulation inefficace génère des coûts élevés et une usure prématurée des équipements. L‘interopérabilité des systèmes, les nouvelles technologies telles que l’IA, la gestion flexible des consommations  sont les clés du déploiement d’une stratégie énergétique réussie. Cet article décrit au travers d’un exemple concret comment PcVue permet aux exploitants de prendre les bonnes décisions pour améliorer la performance énergétique de leur bâtiment grâce à l’IA et au pilotage intelligent. 

Cas d’usage : pilotage intelligent pour l‘optimisation énergétique de groupes froids

A titre d’exemple considérons un bâtiment équipé de plusieurs groupes de climatisation en toiture chargés de maintenir la température intérieure. La charge du système dépend de multiples facteurs : conditions météorologiques, taux d’occupation, périodes de maintenance et efficacité intrinsèque des équipements. 

Données contextuelles intégrées par PcVue 

Grâce à ses connecteurs ouverts et protocoles de communication, PcVue enrichit la supervision avec des données externes et contextuelles essentielles : 

• – Prévisions météorologiques (ex. OpenWeather) 
• – Signaux de flexibilité et production électrique (ex. API FlexReady) 
• – Données d’exploitation planifiées ou saisies par l’opérateur (occupation des salles, contraintes d’usage, maintenance planifiée,…) 
• – Autres

Cette intégration permet de créer une supervision intelligente et proactive, capable de prendre en compte le contexte et de prévoir les besoins énergétiques. 

PID classique : une supervision réactive

Les régulations PID traditionnelles reposent uniquement sur l’écart mesuré en temps réel entre la consigne et la variable de procédé. Elles n’intègrent ni modèle prédictif du système, ni capacité d’anticipation des variations de charge. Les groupes froids sont activés ou désactivés lorsqu’un seuil est atteint. 

Cette approche, bien que robuste, reste strictement réactive. Elle ne prend pas en compte l’inertie des équipements ni l’évolution future de la charge avec des conséquences directes : 

Les systèmes SCADA peuvent surveiller en continu :

• – Fonctionnement prolongé à forte charge
• – Cycles marche/arrêt fréquents
• – Dégradation du coefficient de performance (COP) 
• – Usure mécanique accélérée 
• – Augmentation de la consommation énergétique et des coûts de maintenance 

IA prédictive et scénarios d’optimisation : piloter par l’IA pour la performance

Avec l’intelligence artificielle, PcVue adopte une approche fondamentalement différente. Les algorithmes de machine learning utilisent les données historiques, les prévisions et le contexte d’exploitation pour estimer les charges futures et proposer plusieurs scénarios d’optimisation énergétique. 

Objectifs des scénarios d’optimisation

Chaque scénario permet de : 

• – Répartir la charge de manière plus homogène dans le temps 
• – Anticiper l’activation et l’arrêt des groupes froids 
• – Optimiser le COP global 
• – Limiter les phases de fonctionnement à charge élevée 
• – Réduire les cycles inutiles et sollicitations excessives des équipements 

Visualisation et choix par l’opérateur

L’opérateur peut alors visualiser et comparer l’impact de chaque scénario sur : 

• – La consommation énergétique 
• – La stabilité du système
• – La durée de fonctionnement des équipements 
• – Les coûts associés

Il choisit le scénario le plus adapté à ses priorités opérationnelles, alliant performance énergétique et durabilité des équipements. L’application automatique d’un scénario est possible mais n’est pas recommandée en pratique, pour laisser l’opérateur prendre la décision en fonction des règles de gouvernance appliquées par l’entreprise. 

Planning de charge dynamique et préservation des équipements

PcVue met à disposition un planning de charge dynamique, offrant une vision précise et anticipée de l’état énergétique du bâtiment. 

Contenu du planning dynamique

Le planning intègre : 

• – Les prévisions de charge 
• – Les contraintes d’exploitation
• – Les périodes d’occupation et de maintenance

Bénéfices pour les équipements

En favorisant un fonctionnement plus régulier et mieux réparti des refroidisseurs, cette approche permet un usage optimal des équipements qui permet : 

• – De réduire l’usure prématurée 
• – D’allonger la durée de vie des groupes froids
• – De diminuer les coûts de maintenance corrective et préventive via le logiciel EmVue 

Bénéfices concrets et durables

Dans le cas concret d’optimisation de fonctionnement de groupes froid, PcVue a pu exploiter pleinement les algorithmes de machine learning IA pour :

• – Améliorer le COP et réduction des consommations énergétiques  
• – Lisser les charges et limiter les pics
• – Permettre l’effacement énergétique lors des périodes critiques
• – Réduire l’usure des équipements et des coûts de maintenance
• – Réaliser un pilotage énergétique intelligent, orienté performance et durabilité

Avec l’intégration de l’IA, PcVue assure une gestion dynamique répondant aux besoins quotidiens pour la flexibilité énergétique et les performances des bâtiments.