performance ÉnergÉtique des bÂtiments (uria, ces et … · 2017-05-11 · (uria, ces et cma)...
TRANSCRIPT
PERFORMANCE ÉNERGÉTIQUE
DES BÂTIMENTS
(URIA, CES ET CMA)
SANDA LEFTERIU
1. PROBLÉMATIQUE ET
MOTIVATION
2. MODÉLISATION A PARTIR
DES DONNÉES
2.1 Identification des systèmes à
commutation
2.2 Machine Learning
3. SIMULATION THERMIQUE
DYNAMIQUE
SOMMAIRE
3
PERFORMANCE ÉNERGÉTIQUE DES BÂTIMENTS
CHAPITRE 1 : PROBLÉMATIQUE ET MOTIVATION
Le secteur résidentiel-tertiaire est le plus énergivore en France et dans l’UE
Nécessité d’améliorer la performance énergétique des bâtiments
Construire des modèles fiables pouvant prédire le comportement thermique d’un bâtiment
4
PERFORMANCE ÉNERGÉTIQUE DES BÂTIMENTS
CHAPITRE 2 : MODÉLISATION A PARTIR DES DONNÉES
Source: « Méthode de suivi-évaluation des bâtiments étudiés », O. Bonneau, Cerema
5
PERFORMANCE ÉNERGÉTIQUE DES BÂTIMENTS
CHAPITRE 2 : MODÉLISATION A PARTIR DES DONNÉES
Plusieurs configurations dans une maison
Système à commutation
Discret (différents
modes de
fonctionnement)
Continu (l’évolution
de la
température)
2.1 Identification des systèmes à commutation
Chauffage OFF
Chauffage O
N
Vole
ts o
uvert
s
L’algorithme fait la classification
et l’estimation en même temps.
6
PERFORMANCE ÉNERGÉTIQUE DES BÂTIMENTS
CHAPITRE 2 : MODÉLISATION A PARTIR DES DONNÉES
2.1 Identification des systèmes à commutation
Maisons passives INCAS à Chambéry.
Mesures fournies par le CES.
Entrées: température extérieure,
rayonnement solaire, puissance de
chauffage
Sortie mesurée: température de la salle de séjour.
5 scénarios appliqués sur 3 mois:
(1): chauffage à 20°C, (2): chauffage OFF, (3): chauffage OFF,
(4): chauffage à 24°C, (5): chauffage OFF, ouverture des volets.
7
PERFORMANCE ÉNERGÉTIQUE DES BÂTIMENTS
CHAPITRE 2 : MODÉLISATION A PARTIR DES DONNÉES
2.2 Techniques de Machine Learning pour la modélisation et le contrôle du CVC dans le tertiaire
Contrôle adaptatif
Variables de contrôle Mode opératoire
(Chauffage/refroidissement)
Températures de consigne
Flux d’air minimal
Support vector machine
K-nearest Neighbors regression
Bayesian regression
Réseaux de neurones pour simuler
la consommation du CVC Détermination des paramètres
Aide au contrôle prédictif
8
PERFORMANCE ÉNERGÉTIQUE DES BÂTIMENTS
CHAPITRE 2 : MODÉLISATION A PARTIR DES DONNÉES
2.2 Techniques de Machine Learning pour la modélisation et le contrôle du CVC dans le tertiaire
Sutardja Dai Hall, Berkeley, CA, USA Etage 4: 1400 m2 d’espace utilisable (19 bureaux et 930 m2 espace ouvert)
-1
-0,8
-0,6
-0,4
-0,2
0
0,2
0,4
0,6
0,8
1
20
16-0
7-3
1…
20
16-0
7-3
1…
20
16-0
7-3
1…
20
16-0
7-3
1…
20
16-0
7-3
1…
20
16-0
8-0
1…
20
16-0
8-0
1…
20
16-0
8-0
1…
20
16-0
8-0
1…
20
16-0
8-0
1…
20
16-0
8-0
2…
20
16-0
8-0
2…
20
16-0
8-0
2…
20
16-0
8-0
2…
20
16-0
8-0
3…
20
16-0
8-0
3…
20
16-0
8-0
3…
20
16-0
8-0
3…
20
16-0
8-0
3…
20
16-0
8-0
4…
20
16-0
8-0
4…
20
16-0
8-0
4…
20
16-0
8-0
4…
20
16-0
8-0
5…
20
16-0
8-0
5…
20
16-0
8-0
5…
20
16-0
8-0
5…
20
16-0
8-0
5…
20
16-0
8-0
6…
20
16-0
8-0
6…
20
16-0
8-0
6…
20
16-0
8-0
6…
P (
kW
)
Gains pour un système VAV
9
PERFORMANCE ÉNERGÉTIQUE DES BÂTIMENTS
CHAPITRE 3 : SIMULATION THERMIQUE DYNAMIQUE
CES, Groupe ETB
• Calculs aérauliques (modèle de réseau)
• Modules objets (solaire thermique, photovoltaïque,
pompe à chaleur, échangeur air-sol, matériaux à
changement de phase…)
• Réduction de modèles -> optimisation en conception
(algorithmes génétiques), stratégies de gestion
(programmation dynamique), incertitudes, plusieurs
bâtiments (quartiers)
• Evaluation des impacts environnementaux par
analyse du cycle de vie
3.1 Plateforme de modélisation en énergétique des bâtiments: Pléiades-COMFIE
10
PERFORMANCE ÉNERGÉTIQUE DES BÂTIMENTS
CHAPITRE 3 : SIMULATION THERMIQUE DYNAMIQUE
CES, Groupe ETB
EQM 0,82 pour le modèle COMFIE,
comparable à la référence internationale EnergyPlus
3.2 Fiabilité des modèles
11
PERFORMANCE ÉNERGÉTIQUE DES BÂTIMENTS
CHAPITRE 3 : SIMULATION THERMIQUE DYNAMIQUE
CES, Groupe ETB
Calcul de la stratégie
optimale/
Données de validation
Données
météorologiques réelles Tarifs de l’électricité Taux d’occupation
Programmation dynamique Lois de commandes
simplifiées (heuristiques)
implémentées dans COMFIE
-> temps de calcul compatible
avec la gestion en temps réel
Données pour
l’optimisation
Comparaison des résultats
Evaluation des performances
3.3 Etude de stratégies de gestion en temps réel pour des bâtiments énergétiquement performants
MERCI