Simplification de la topologie des réseaux de chaleur urbains par agrégation à base d’intelligence artificielle

Les réseaux de chaleur urbains sont des systèmes de distribution de chaleur localisées. La chaleur, produite par des sources locales, est acheminée vers les consommateurs via un réseau de pipes isolés. Cette chaleur peut provenir de sources renouvelables ou être récupérée à partir de procédés industriels produisant de chaleurs. L’intérêt pour ces réseaux s’explique par leur potentiel à réduire nos émissions, tant au niveau de la production que de la distribution de la chaleur, contribuant ainsi à la transition vers la neutralité carbone. Pour tirer profit de ces avantages opérationnels et environnementaux, il est nécessaire d’optimiser le fonctionnement du réseau. Cette optimisation requiert multiples simulations du réseau. Cependant, une seule simulation peut être très coûteuse en temps de calcul due de la grande dimensionalité induite par la topologie du réseau. Cette thèse explore des méthodes à base d’Intelligence Artificielle pour réduire ces coûts de calcul, tout en préservant la précision de la simulation. Dans cet objectif, des groupes de sous-stations sont remplacés par des modèles à base de réseaux de neurone artificiels, capable de reproduire le comportement thermique de ces groupes. L’intégration de ces modèles de substituts permet de simplifier la topologie du réseau, conduisant ainsi à une réduction des coûts de calcul de la simulation du réseau, tout en conservant une grande précision physique. Aussi, une méthode de découpe en communauté sur le réseau est proposée pour identifier automatiquement les groupes les plus pertinents à ce processus de substitution. Les méthodologies proposées ont été évaluées sur plusieurs réseaux différents afin de tester leurs performances.