CERES est une plateforme logicielle permettant d’optimiser les procédés industriels, les parcs industriels et les réseaux d'énergie. Elle capitalise la longue expérience du CES sur l'analyse énergétique et exergétique des systèmes. Elle est développée dans le cadre du projet CERES 2 soutenu par l'ANR (coordonné par EDF R&D).
Les procédés industriels sont décrits à l’aide d’outils de simulation, connectés à la plateforme (aujourd’hui, l’outil de simulation connectés sont Dymola et Open Modelica), permettant d’exploiter des modèles en langage Modelica. Une bibliothèque de modèles d’opérations de procédés et de technologies de valorisation de chaleur accompagne la plateforme.
Télécharger la fiche de présentation de CERES
Module d’appel aux simulateurs
La plateforme est développée selon une licence open source (GPL 3) et peut accueillir différents algorithmes ou solveurs permettant d’adresser différents problèmes d’optimisation. Pour chacun de ces problèmes, une méthodologie de résolution est intégrée à la plateforme via un algorithme spécifique.
Architecture logicielle
La plateforme CERES est développée en langage C++ et dispose d’une interface graphique développée sous QT.
Elle est composée de quatre modules principaux.
Ce module contient les fonctions nécessaires pour interroger un simulateur ou un environnement de modélisation. En fonction du simulateur appelé, plus ou moins de possibilités sont ouvertes.
Dans la version actuelle, ce module permet de lire des modèles écrits en langage Modelica (en utilisant l’API d’open modelica). Les modèles lus peuvent être paramétrés, modifiés et simulés (en utilisant Dymola ou Open Modelica).
Une classe en cours de développement permettra d’appeler des modèles en boîte noire via un protocole d’échange de données par XML.
Module OMOPTIM
Ce module (existant également sous forme de logiciel autonome faisant partie de la suite d’open modelica) implémente des bibliothèques open source d’algorithmes d’optimisation meta-heuristiques (e.g. algorithmes génétiques, recuit simulé…).
Il permet de formuler directement un problème d’optimisation multi-objectifs et échange dans ce cas directement avec le module d’appel aux simulateurs. Il peut être également appelé par le module CERES dans le cadre d’une optimisation hybride ou séquentielle.
Module MINEIT
Il permet la résolution de problèmes d’intégration énergétique prédéfinis. Ces problèmes sont mono objectif et linéaires et font appel pour leur résolution à GLPK (open source) ou CPLEX (propriétaire).
La résolution de problèmes d’intégration énergétique repose sur l’utilisation par le module MINEIT de données de flux extraites des modèles physiques traités par les simulateurs via des « capteurs virtuels » implémentés dans les modèles. Les données peuvent également être saisies manuellement.
Les algorithmes de résolution de problèmes implémentés à la date d’aujourd’hui sont :
EIMER : algorithme permettant, à partir d’un ensemble de flux thermiques, de construire les courbes composites et de déterminer les besoins d’énergie de chauffage et de refroidissement minimaux (MER : Minimal Energy Requirement);
EIPreselect : algorithme permettant, à partir d’un ensemble de flux thermiques et d’une solution du EIMER, de proposer, sur un critère exergétique, les meilleures intégrations de pompe à chaleur et de cycles moteurs. Ces utilités sont dimensionnées et optimisées économiquement par le EITarget.
EIHEN : algorithme de synthèse de réseau d’échangeur et de dimensionnement d’utilités sur un critère économique ;
EIHEN_MP (en cours de développement) : algorithme de synthèse de réseau d’échangeur et dimensionnement d’utilités adapté aux procédés non continus (discrétisation en multi période). Cet algorithme, en cours de développement, permettra également de considérer le stockage d’énergie.
Module CERES
Ce module, en plus de servir d’interface à l’ensemble des autres modules, permet d’implémenter la méthodologie globale d’optimisation de la récupération et de la valorisation de chaleur fatale. Celle-ci se présente comme une séquence d’appels aux modules présentés ci-haut et à leurs fonctionnalités.
Elle permet également de définir un problème d’optimisation hybride où une optimisation multi objectifs (par algorithme génétique par exemple) admet comme objectifs des variables du ou des modèles simulés ainsi que l’un des objectifs des problèmes de MINEIT.
Ainsi, à chaque évaluation, le problème de MINEIT concerné est lancé.
La procédure de ce problème hybride peut être schématisée par la figure ci-dessous.
Formation
Mines Paris plébiscitée par ses étudiantes
Mines Paris - PSL, une école qui répond
> En savoir +
Formation
Femmes de science
Chercheuses confirmées, doctorantes, élèves ou alumni,
> En savoir +
Formation
Quelle école d’ingénieurs a le
Mines Paris - PSL au Top 5 du classement LinkedIn 2023
> En savoir +
Formation
Virginie Ren remporte un Trophée Veolia de la
Virginie Ren, ingénieure Mines Paris - PSL, en
> En savoir +
Formation
Agathe Gilain, Prix de droit, économie et
L’Académie de l’Air et de l’Espace
> En savoir +
Formation
En l'honneur de Cécile DeWitt-Morette
Claude Ribbe (Mairie du 6e arrondissement), Armand Hatchuel
> En savoir +