Climatisation d’un bâtiment à l’aide d’un

système à débit d’air variable

Impact de la régulation sur la consommation d’énergie

et la qualité de l’air

*,**
S. Ginestet, * D. Marchio
*
Ecole des Mines de Paris, Centre Energétique et Procédés,
60, Bd Saint Michel
F- 75272 Paris
**
Université Bordeaux1-ENSAM-ENSCPB-CNRS,
Laboratoire TREFLE UMR 8508,
Espalanade des Arts et Métiers
F- 33405 Talence Cedex

[email protected]

RÉSUMÉ.
Au moment de la conception de la climatisation d’un ouvrage comportant une salle de
conférence, dont l’utilisation risque d’être variable, il apparaît intéressant d’envisager un
apport d’air neuf maîtrisé, notamment pour optimiser les consommations d’énergie de
chauffage/refroidissement de l’air neuf. Basé sur un site expérimental, les travaux présentés
ici montrent comment définir une régulation qui permette d’allier respect de la qualité d’air
et amélioration des consommations énegétiques.Le problème de régulation envisagé est ici
celui de la gestion de la qualité de l’air, associé à une maîtrise des débits d’air neuf.
ABSTRACT. When designing an air handling unit for a conference room, of which the use is
likely to be variable, it appears interesting to consider a contribution of controlled new air, in
particular to optimize consumption of energy of heating/cooling of the new air. Based on an
experimental site, the work presented here shows how to define a regulation which makes it
possible to combine respect of the quality of air and improvement of energetic consumption.
The problem of regulation considered is here that of the management of the quality of the air,
associated a control of the outdoor air rates.

MOTS-CLÉS : régulation multivariable, consommation d’énergie, qualité de l’air intérieur

KEYWORDS: multivariable control, energy consumption, indoor air quality

25e rencontres de l’AUGC, 23-25 mai 2007, Bordeaux

2 25e rencontres de l’AUGC, 23-25 mai 2007, Bordeaux

1. Introduction

L’étude porte sur l’amélioration énergétique d’une centrale de traitement d’air

permettant l’introduction d’un débit d’air variable. La principale difficulté de
l’étude réside ici dans le couplage entre débit d’air neuf et qualité de l’air (Allard et
al., 1998). Ce couplage est ici modélisé, en vue d’en assurer le contrôle. Une
linéarisation de ce processus doit alors être réalisée, afin de se rapprocher des
techniques de paramétrage des régulateurs disponibles dans la littérature (systèmes
linéaires). Le paramétrage systématique de régulateurs est alors décrit en détail puis
effectué. Les méthodes de paramétrage de l’automatique des systèmes continus
linéaires sont mises à profit pour effectuer ce travail:
- tout d’abord par l’approche monovariable (méthode « partial matched model »)
(Kamimura et al., 1994):
- ensuite par l’assimilation à un système multivariable (méthode du modèle
multivariable)
La programmation est réalisée au moyen d’un logiciel de programmation
graphique Simulink, fonctionnant sous environnement Matlab.

2. Site expérimental

La salle de conférence (Morisot et al., 2004) desservie est une salle pouvant
contenir jusqu'à environ 300 personnes. La salle est sans vitrage. Les dimensions de
cette salle de conférence sont: L = 17,4 m, l = 13,8 m et h = 5,2 m. La salle est très
bien isolée. Elle est en contact avec l'extérieur au niveau du plafond et est située au-
dessus d'un vide sanitaire. La centrale de traitement d’air, mise en route en octobre
2001, assure le chauffage et le renouvellement d’air du local.
Le contrôle de la batterie chaude se fait par l'intermédiaire d’une vanne trois
voies, disposée de manière à réguler la température d'eau. Le débit d’air soufflé est
ici variable, ainsi que le débit de renouvellement d’air. Il est asservi par un
régulateur PID (paramétré de manière empirique (méthode trail and error)). La
consigne est de maintenir constante la température d’air à la reprise est d’avoir une
concentration en CO2 inférieure à 800 ppm.

3. Linéarisation du processus

La qualité de l’air intérieur est ici vue en tant que concentration de CO2 dans
l’air. Dans le cadre de cette étude, on cherche à étudier la gestion de la qualité de
l’air d’un local par l’intermédiaire de régulateurs qui vont agir sur les débits d’air.
L’entrée du régulateur la plus simple à envisager et la plus pratique à utiliser est
celle qui sera donnée par une sonde (ou pondération de sondes).
Le modèle retenu sera le modèle à mélange parfait. Dans le cas du contrôle du
taux de polluants gazeux dans une zone (mélange parfait), la relation liant les
entrées (débit d'air provenant du milieu extérieur Q (m3/s), émission de polluant q
 Climatisation d’un bâtiment à l’aide d’un système à débit d’air variable 3

(m3/s)) et la sortie (concentration intérieure Ci (ppm), que l'on cherchera à contrôler)

est de la forme [1] :
dC
V . i = Q.C e − Q.Ci + q [1]
dt
Cette relation, et les solutions temporelles associées, sont fortement non
linéaires et couplées, ce qui pose de sérieuses difficultés pour paramétrer un
régulateur (contrôlant Ci en ajustant Q, par exemple). Afin de résoudre ce problème,
une linéarisation en deux étapes est proposée (Ginestet, 2005), linéarisation qui
permettra de se rapprocher des méthodes de paramétrage classiques.
La première étape consiste à introduire une variation de une variation de
débit de ventilation dQ, qui va se traduire par une variation de concentration
intérieure δCi.
On peut simplifier l’équation de transfert, ce qui se traduit ici par (Figure 1):

Modèle d'état
q/V .
x ( t ) = A.x ( t ) + B.u ( t ) t ≥ 0
δCi

y( t ) = C.x ( t ) + D.u ( t )
Qo+dQ)/V

Figure 1 : Equation de transfert linéarisée sous forme de modèle d’état linéaire

avec:  Q 
A = − o  B = [1 (C e − C i 0 )] C = [1] D = [0 0]
 V 
La seconde étape du processus de linéarisation consiste à prendre en
compte la variation de ces coefficients (lorsque des variations successives de débit
sont introduites). Un algorithme est crée. Le programme est ensuite réalisé (sous
Matlab/Simulink). Le comprtement non linéaire est alors comparé au modèle
linéarisé correspondant. Des résultats sont présentés sur la Figure 2.

Ci(t) calculé par les modèles MED et MET linéarisé

(dQ = 100% à t=10h, par sauts de 1%)

700

650

600
Ci (ppm) MED
550 MET linéarisé

500

450
9 12 15 18 21 24 27

t(h)

Figure 2 : Variation de la concentration intérieure de CO2 obtenue par simulation

au moyen des modèles (modèle équation différentielle) et (modèle d’état linéarisé)
4 25e rencontres de l’AUGC, 23-25 mai 2007, Bordeaux

4. Méthodes de régulation monovariable

Dans certaines configurations (occupation constante), le débit d’introduction (ou

d’émission) de polluants peut être considéré comme constant pendant une période
limitée (salles de conférences). Dans ce cas l’entrée, en réalité une perturbation non
contrôlable, u1=q/V est supposée constante. Le système peut alors être représenté
comme sur la Figure 3.
q/V Cio
Cr δCi
Système à Ci
Q/V
régler
Régulateur

Figure 3 : Schéma représentant le système et le régulateur associé

4.1. Méthodes existantes

Parmi les méthodes de régulation d’un système monovariable, nous pouvons
citer la résolution utilisant les fonctions de transfert (Ouederni, 1990) ou la méthode
"partial matched model" (Kitamori, 1980). Elle est développée dans plusieurs
articles de Kitamori. Elle permet de calculer les coefficients K et Ti du régulateur en
fonction des paramètres du système.
L'ensemble (régulateur + système à réguler) en boucle fermée est donné par sa
fonction de transfert. Un système d'équations de correspondance entre le modèle et
le système (associé au régulateur) est alors construit par analogie des coefficients de
p, p², p3… du dénominateur des deux équations représentant les deux systèmes. On
en déduit l’expression des paramètres du régulateur. La programmation (Figure 4)
est réalisée sous Matlab/Simulink, et permet ainsi un paramétrage systématique des
régulateurs.

Figure 4: Paramétreur (en gris), du régulateur (en bleu) et du système régulé (en
jaune)
Climatisation d’un bâtiment à l’aide d’un système à débit d’air variable 5

Un essai est alors effectué avec les données du site expérimental (cet essai n’est
pas comparé aux mesures, les données du site expérimental sont utilisées ici pour
avoir un ordre de grandeur des phénomènes : constante de temps, débits,
volumes…).

1150

1100

1050
C i (ppm)
1000

950

900
0 2 4 6 8 10 12 14
t(h)

Figure 5 : Concentration intérieure de CO2 obtenue par régulation PID (méthode

« partial matched model » (consigne = 1000 ppm, demandée à t=8h)).

Le temps de réaction du régulateur est ici un peu long. Il est possible d’améliorer
ces résultats en utilisant les méthodes développées dans (Ouederni, 1990).

4.2. Conclusion pour les méthodes monovariable

Les méthodes monovariables appliquées à la régulation de modulation de débit

apparaissent simples à appliquer, et donnent de bons résultats en termes de maintien
de consigne. Toutefois, elles nécessitent de disposer d’un calculateur permettant de
calculer les paramètres du régulateur et ne sont pas suffisamment adaptables.
A l’issue de cette partie, il a été montré qu’il est possible de paramétrer de
manière systématique un régulateur de débit de renouvellement d’air, en fonction
d’une consigne de taux de CO2, et ce pour une occupation (débit de polluant)
constante. Pour pouvoir prendre en compte une variation de l’occupation, il faut
faire appel à des méthodes de paramétrage multivariable.

5. Méthodes de régulation multivariable

La plupart des configurations réelles (débit d’émission de polluants q variable

(occupation variable, i.e.), concentration introduite Ce variable (humidité de
soufflage, i.e.)), sont des configurations complexes à appréhender. Elles peuvent
toutefois faire l’objet d’une modélisation particulière, en considérant le système
comme multivariable. Nous étudions le cas ou q variable, et Ce constante. Il s’agit
ici d’un cas proche du cas expérimental, à savoir une salle de conférence pour
laquelle le l’occupation (donc le dégagement de CO2) va varier. La représentation
du système est la même que précédemment (Figure 3).
6 25e rencontres de l’AUGC, 23-25 mai 2007, Bordeaux

5.1. La méthode du modèle

La plupart des méthodes de paramétrage de régulateurs multivariables ont été

analyseés puis synthétisées dans (Ginestet, 2005). La méthode du modèle a été
retenue. On relève ici la présence d’une entrée contrôlable (Ci) et d’une perturbation
(q). Un modèle de référence a été établi à l’aide de Simulink1.

− 2.44.10 −4 0   1 0 
Aref =   Bref =  C ref = [1 1] D ref = [0 0]
 0 − 2.44.10 − 4   0 - 392.2.10 -6 

A partir de ce modèle de référence, un régulateur (à deux dimensions) est

paramétré. Les paramètres physiques de la salle de conférence (mesures, notamment
de Ci et Ce) sont mises à profit pour effectuer une simulation sur une journée. La
simulation est réalisée à partir de Simulink, et en utilisant en partie la bibliothèque
Simbad du CSTB (Simbad, 2005). La consigne Cr est fixée à 800 ppm (pour vérifier
la robustesse du régulateur), puis est montée à 1000 ppm (référence règlementaire
pour le renouvellement d’air). On obtient alors les résultats de la Figure 6.
Simulation de l'évolution de la concentration intérieure en CO2 (ppm) 3
Simulation de l'évolution du débit d'air neuf (m /h)
Journée du 5 février 2003 - Consigne: 1000 ppm Journée du 5 février 2003 - Consigne = 1000 ppm

1200 4000

1000
3000
800

600 2000

400
1000
200

0 0
0,00 3,00 6,00 9,00 12,00 15,00 18,00 21,00 24,00 0,00 3,00 6,00 9,00 12,00 15,00 18,00 21,00 24,00

Figure 6 : Concentration en CO2 simulée à l’intérieur de la salle de conférence

(consigne = 1000 ppm) (gauche) et débit d’air neuf (m3/h) simulé pour la salle de
conférence (consigne = 1000 ppm) (droite)

Sur la journée du 5 février 2003, à partir des mesures de températures (extérieure

et de soufflage), il est possible d’évaluer les gains en consommation thermique
obtenus par le changement de consigne.

1
Pour déterminer le système (modèle) de référence: création sous Simulink un modèle
d’état de référence qui sert de modèle test, calcul à partir de l’équation en régime permanent
la valeur du débit à introduire pour obtenir Cr, (pour Cr = 650 ppm, il faut avoir en régime
établi dQ = 0.1885.Q, soit une valeur d’entrée uref = 1.1885.Q).
Climatisation d’un bâtiment à l’aide d’un système à débit d’air variable 7

Expérimentale Simulée Amélioration

Consommation
176,4 100,8 75,1 %
thermique (kWh)
Tableau 1 : Evaluation de l’amélioration de la consommation de la CTA

Cette amélioration en consommation thermique très importante est liée au fait

que pour la journée choisie, la température extérieure est relativement faible [0°C-
10°C]. Il faut aussi bien relever le fait que ici l’améliorartion est liée à une variation
de consigne (mais quei est bien respectéé, le régulateur est défini de manière
scientifique et non empirique). Les calculs ont été menés toujours sur la base du
programme réalisé sous Simulink.

5.2. Conclusion pour les méthodes multivariables

Le recours aux méthodes multivariables (Larminat, 1996) est donc motivé pour
la résolution de problèmes prenant plus complexes (une variation de l’occupation,
du taux de polluant extérieur…). L’application développée donne elle aussi de bons
résultats en ce qui concerne le maintien de la consigne. La mise en œuvre de la
méthode est plus ardue que précédemment, notamment car elle nécessite
l’établissement d’un modèle de référence, ce qui ne peut se faire bien souvent que
de manière informatique. Néanmoins, elle permet de traiter des cas bien plus
généraux que la méthode monovariable.

6. Conclusion

Après avoir réalisé une étude mathématique de la fonction de transfert simplifiée

du taux de polluant dans un local, plusieurs techniques de paramétrage de régulateur
ont été étudiées.
Les régulateurs ont alors été testés en simulation. Les avancées réalisées lors de
cette étude peuvent trouver un prolongement naturel selon plusieurs axes.
Tout d’abord, un recours aux boîtes à outils disponibles sous l’environnement
Matlab. Parmi celles-ci, la Control System Toolbox. Ainsi, les systèmes modélisés
peuvent être étudiés de manière complète et systématique : observabilité,
gouvernabilité, réponse, mise sous forme canonique, écriture sous forme de fonction
de transfert, diagonalisation… De plus, de nombreuses techniques de paramétrage
sont systématisées au moyen de fonctions de type LQ, LQR, Riccatti…
Ensuite, les paramétrages ainsi réalisés peuvent être implantés sur des
régulateurs réels qui travailleront en émulation ou en simulation. Les fabricants de
régulateurs (industriels) sont aujourd’hui familiers de ce genre de techniques de
régulation à plusieurs variables. Enfin, si les exigences en termes de maintien de
qualité de l’air intérieur sont modifiées (nouvelles exigences normatives), ce travail
permettra d’adapter le paramétrage de régulateurs.
8 25e rencontres de l’AUGC, 23-25 mai 2007, Bordeaux

7. Nomenclature

Ci concentration intérieure de polluant (ppm)

Ce concentration extérieure de polluant (ppm)
q taux de dégagement de polluants (m3/s)
Q débit d’air extérieur (m3/s)
t temps (s)
V volume de la salle (m3)

8. Bibliographie

Allard F., P. Blondeau et A.L Tiffonnet Qualité de l’air : état des lieux et
bibliographie, Université de La Rochelle, LEPTAB, 1998.

De Larminat P., Automatique, commande des systèmes linéaires, 1996, Hermès,

éditions Lavoisier

Ginestet S., Simulation dynamique des systèmes de climatisation, application aux

régulations innovantes des CTA, Thèse de doctorat, Ecole des Mines de Paris,
2005

Kamimura K., A.Yamada, T. Matsuba et al (1994), Computer-Aided Tuning software for PID
controllers, Ashrae Transactions, 94(100), pp 180-190.

Morisot O., C. Laruelle, S. Markovic, D. Marchio, et S. Ginestet, Garantie et

maintien des performances : Implantation et test de méthodes de retro & on-
going commissioning, mode de valorisation des prestation de garantie des
performances énergétiques, rapport final août 2004

Ouderni M., Modélisation et simulation des régulations dans les codes de calcul
thermique du bâtiment, Thèse de doctorat, Ecole des Mines de Paris, 1990

Simbad, « SIMulation of Buildings And Devices » version 2.2, CSTB, département

DDD, 2005