Régulation énergétique par fusion de données hétérogènes et incertaines dans le cadre de l'habitat intelligent

par Ameni Makhlouf

Thèse de doctorat en Sciences pour l'ingénieur. Génie électrique

Sous la direction de Laurent Delahoche, Bruno Marhic et de Hassani Messaoud.


  • Résumé

    L'habitat intelligent est une nouvelle tendance dans les bâtiments résidentiels. Dans ce cadre, notre travail s'inscrit dans le but de réduire la consommation de chauffage. La difficulté du paradigme réside dans le maintien du confort thermique tout en minimisant la consommation. Le cadre formel de notre travail est la théorie des fonctions de croyance qui offre une flexibilité dans la modélisation des données incertaines. La contribution principale de cette thèse est portée par des algorithmes de fusion comportant des données hétérogènes. Une méthodologie spécifique a été mise en place pour la conception de distribution de masses des fonctions de croyance. Le résultat de ces algorithmes est un gradient de température qui intégré, sera la référence de température dans la commande automatique du chauffage. Concernant, la commande du chauffage, nous avons choisi la commande prédictive généralisée (GPC) pour sa capacité à optimiser la fonction de coût. Deux stratégies de fusion sont proposées. Dans le premier algorithme, nous élaborons une fusion de données en deux niveaux; alors que dans le second, nous proposons un algorithme à un seul niveau avec une conception de distribution de masse moins commise. Les résultats de fusion obtenus sont encourageants en termes d'efficacité et de fiabilité. Les simulations du gradient de température avec le GPC montrent que nous obtenons des résultats cohérents ce qui tend à montrer que nous sommes en mesures de proposer des économies de consommation tout en maintenant un niveau de confort thermique convenable

  • Titre traduit

    Energy control by fusion of heterogeneous and uncertain data in the context of smart home


  • Résumé

    Smart homes have become a new trend in residential buildings. In this context, our work aims to reduce heating consumption. The difficulty of the paradigm lies in maintaining thermal comfort in the building whilst minimizing its consumption. The chosen formal framework is the belief function theory that offers flexibility in uncertain and imprecise data. The main contribution of this thesis consists of suggesting fusion algorithms with heterogeneous data. The result of these algorithms lead to a temperature trend that will be considered as the temperature reference in the generalized predictive control (GPC) of the heating system. For the heating control system, we chose the generalized predictive control for its ability to optimize a quadratic cost function in order to reduce energy consumption. Two strategies are proposed in the conception of the fusion algorithms. Indeed, in the first algorithm, we establish the data fusion in two levels; however, in the second one we propose a one level algorithm with a less committed mass distribution design. The fusion results are encouraging of efficiency and reliability. The test of the temperature trend with the GPC demonstrates that we can achieve promising results to reduce heating energy consumption


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Université de Picardie Jules Verne. Service commun de la documentation. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.