Cas d’application
Cas d’application
Sous-titre : challenges et résultats
Les pompes à chaleur représentent aujourd’hui un atout majeur dans l’atténuation du changement climatique et la décarbonation de l’énergie. Afin de répondre aux objectifs Net Zero Emissions d’ici 2050, l’Agence Internationale de l’Énergie prévoit que le nombre global de pompes à chaleur devrait augmenter de plus de 300% à l’horizon 2030.
Il est notoire que le choix du réfrigérant (ou fluide frigorigène) affecte directement les performances des pompes à chaleur. Avoir accès à un classement fiable des réfrigérants disponibles sur le marché est donc d’une grande utilité. Il est cependant nécessaire de reconnaître qu’en plus des performances, le réfrigérant a également des impacts sur les compresseurs des pompes à chaleur. De ce fait, il semble pertinent de réaliser un nouveau classement mettant en regard les effets des fluides frigorigènes sur les performances de la pompe à chaleur et sur le compresseur.
Les auteurs proposent ici une conception intégrée du réfrigérant en fonction du compresseur de la pompe à chaleur sous la forme de programme non linéaire en nombres entiers (MINLP). Ce MINLP est résolu grâce à l’algorithme de séparation et évaluation (Branch-and-Bound) d’Artelys Knitro. Afin de parvenir à un classement fiable, l’optimisation est répétée. Dès lors qu’une solution optimale est déterminée, elle est sortie du processus afin d’être intégrée au classement des fluides frigorigènes.
L’étude menée ici à l’aide d’Artelys Knitro prouve qu’en plus des performances, si l’on prend en compte les effets des réfrigérants sur le compresseur, le classement des premiers réfrigérants change de façon substantielle. La prise en compte de cette relation est donc cruciale pour déterminer la combinaison optimale entre pompes à chaleur et réfrigérants. Enfin, les auteurs déclarent que la complexité apportée par l’intégration d’un modèle de compresseur dépendant du réfrigérant ne peut être exploitée qu’en utilisant des applications efficaces en termes de temps calcul.
Tutoriel
Vous n’êtes pas encore familier avec le domaine de l’optimisation non linéaire ? Dans ce tutoriel, nous vous présentons quelques exemples de problèmes non linéaires pour diverses applications. Vous y découvrirez notamment les méthodes de programmation non linéaire en utilisant le solveur Artelys Knitro dans un notebook Python, au travers de différents exemples.
Version d’essai
Obtenez votre licence d’essai gratuite et testez les performances d’Artelys Knitro sur vos problèmes d’optimisation mathématique. La version d’essai vous permettra d’accéder gratuitement à Artelys Knitro sans limitations pour une durée d’un mois ou avec contraintes pour une durée de six mois. Cette version d’essai inclue un service de support et maintenance.
Artelys Knitro: des performances sans pareilles
Meilleur solveur
non-linéaire
Depuis plusieurs années, Artelys Knitro s’est distingué dans les benchmarks indépendants, démontrant ainsi sa capacité à trouver des solutions optimales réalisables plus rapidement que les solveurs concurrents.
Support technique
L’équipe de support technique d’Artelys est constituée de consultants hautement qualifiés (niveau doctorat), ayant une grande expérience dans la résolution de problèmes complexes et la mise en place de solutions d’optimisation à l’échelle de l’entreprise. Grâce à leur expertise, ils sauront vous guider sur la mise en place des fonctionnalités algorithmiques ou logicielles qui pourraient optimiser votre utilisation d’Artelys Knitro.
Mises à jour et nouvelles fonctionnalités
L’équipe de développement travaille sans relâche afin de fournir deux nouvelles versions d’Artelys Knitro par an. Ces deux versions se basent sur des retours clients d’expériences et nous permettent d’améliorer notre solveur en s’assurant d’être toujours plus proche des besoins de nos utilisateurs.
© ARTELYS • All rights reserved • Legal mentions