MATLAB et Simulink pour la gestion de l'énergie des bâtiments
Réaliser l'analyse des systèmes électriques et le design du système de gestion de l'énergie
Avec MATLAB et Simulink, vous pouvez concevoir des systèmes de gestion de l'énergie (Energy Management System, EMS) intelligents et efficaces, en implémentant des politiques dynamiques, en intégrant des données temps réel et en augmentant le niveau d'automatisation du fonctionnement de l'EMS. Vous pouvez utiliser MATLAB et Simulink pour le workflow de développement de votre EMS, de l'accès aux données et de la modélisation à l'optimisation et au déploiement.
- Créer des modèles de prévision de la demande et de la production d'électricité, du prix de l'électricité et des conditions météorologiques
- Modéliser, simuler et concevoir des stratégies optimales de contrôle de votre EMS pour la programmation du fonctionnement des systèmes électriques et des systèmes HVAC
- Générer du code pour la supervision sur des dispositifs périphériques puis déployer ce code sur des contrôleurs embarqués
- Déployer du software d'optimisation des opérations dans des environnements cloud de production
Avec MATLAB et Simulink, vous pouvez effectuer des prévisions fondées sur des données concernant divers facteurs environnementaux et techno-économiques pour optimiser le fonctionnement de votre système de gestion de l'énergie des bâtiments. Vous pouvez :
- Accéder aux données de séries temporelles à partir de fichiers ou de bases de données
- Réaliser le prétraitement, l'analyse et la visualisation des données dans MATLAB grâce à des applications interactives et à l'automatisation des workflows
- Choisir parmi des modèles prédéfinis de statistiques, d'économétrie ou de Machine Learning et de Deep Learning
- Entraîner vos modèles de prévision en parallèle et évaluer leur performance
- Intégrer directement le modèle de prévision énergétique entraîné préalablement dans Simulink pour le simuler avec le modèle de système physique
Exemples
Vidéos
- Utilisation du Machine Learning et du Deep Learning pour les prévisions énergétiques avec MATLAB (39:29)
- Prévoir la consommation électrique avec l'application Regression Learner (3:42)
- Le Big Data appliqué aux grands bâtiments permet de réaliser d'importantes économies sur les factures d'énergie (22:30)
Vous pouvez utiliser MATLAB et Simulink comme environnement de design pour la modélisation de systèmes électriques, le design de contrôles d'EMS et l'optimisation d'EMS. Vous pouvez :
- Créer des modèles basés sur la physique du système électrique d'un bâtiment en utilisant Power Systems Simulation Onramp et effectuer des simulations de performance
- Concevoir des stratégies de contrôle telles que le contrôle prédictif et le Reinforcement Learning pour l'EMS
- Formuler le problème d'optimisation et le résoudre pour une configuration optimale du système en utilisant Optimization Toolbox
- Simuler le comportement au niveau système, avec différents scénarios
- Analyser l'impact technico-économique de différents designs de systèmes
Exemples
En savoir plus
- BuildingIQ développe des algorithmes proactifs pour l'optimisation de la consommation des équipements HVAC des grands bâtiments – Témoignage client
- Le stockage d'énergie EVLO accélère le développement des systèmes de gestion de l'énergie avec l'approche Model-Based Design – Témoignage client
- Un moteur d'analyse et des jumeaux numériques mettent en évidence les coûts énergétiques cachés des bâtiments – Newsletter
Vidéos
- Optimisation des systèmes de gestion de l'énergie (29:34)
- Optimisation du stockage de l'énergie (20:50)
- Modélisation et simulation de systèmes HVAC avec Simulink et Simscape (50:09)
- Jumeaux numériques de systèmes HVAC pour le design des systèmes de contrôle (1:02:29)
- Vérification des algorithmes et génération de code pour des systèmes HVAC (1:01:04)
- Gestion de l'énergie avec un MPC basé sur le Deep Learning (8:09)
Exemples
- Simuler de manière interactive le modèle thermique d'une maison
- Système de contrôle de la température communiquant avec des messages
- Contrôler le système de chauffage d'une maison en utilisant le contrôle prédictif non linéaire avec un modèle neuronal de prédiction de la représentation d'état
- Entraîner un agent DQN avec un réseau LSTM pour contrôler le système de chauffage d'une maison
Vous pouvez valider le design de votre EMS en générant du code à partir du modèle de votre système, ce qui vous permet de passer rapidement de la simulation desktop à la simulation temps réel. Vous pouvez déployer les systèmes de contrôle sur des dispositifs périphériques et des systèmes de gestion opérationnelle dans le cloud. Vous pouvez également :
- Générer dans Simulink un code C/C++ lisible et efficace à partir d'un modèle de contrôleur pour le déployer sur un processeur embarqué
- Générer le code C du système physique pour le déployer sur une machine temps réel
- Exécuter des simulations Hardware-in-the-Loop (HIL) pour valider les stratégies de gestion de l'énergie des bâtiments par rapport au système électrique
- Déployer des algorithmes de supervision sur des dispositifs périphériques
- Déployer dans des environnements cloud des algorithmes d'optimisation du fonctionnement basés sur MATLAB avec MATLAB Web App Server et MATLAB Production Server
Témoignages clients
- Murata Manufacturing réduit de plus de 50 % le temps de développement du logiciel de contrôle de son système de gestion d'énergie avec l'approche Model-Based Design
- Musashi Seimitsu Industry accélère le développement du système de gestion de l'énergie de ses usines avec l'approche Model-Based Design
Ressources et support
En savoir plus sur la gestion énergétique des bâtiments
- Modèles de Machine Learning
- Optimisation du design
- Simulation et optimisation de systèmes électriques
- Prévision de consommation électrique
- Tests Hardware-in-the-Loop (HIL) pour l'électronique de puissance
- Correction de facteur de puissance
- Simulation d'électronique de puissance
- Simulation Hardware-in-the-Loop (HIL)
- Simulation temps réel
