Identifiabilité de la performance thermique d'une enveloppe de bâtiment à partir de données peu informatives

Identifiability of the thermal performance of a building envelope from poorly informative data

• Auteur / Autrice : Sarah Juricic
• Direction : Gilles Fraisse, Simon Rouchier, Jeanne Goffart, Aurélie Foucquier
• Type : Thèse de doctorat
• Discipline(s) : Génie Civil et Sciences de l'Habitat
• Date : Soutenance le 09/07/2020
• Etablissement(s) : Chambéry
• Ecole(s) doctorale(s) : École doctorale sciences et ingénierie des systèmes, de l'environnement et des organisations (Chambéry ; 2007-2021)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'optimisation de la conception et ingénierie de l'environnement (Le-Bourget-du-Lac, Savoie)
• Jury : Président / Présidente : Christian Ghiaus
• Jury : Examinateurs / Examinatrices : Staf Roels
• Jury : Rapporteur / Rapporteuse : Ruchi Choudhary, Patrick Salagnac

Mots clés

Mots clés contrôlés

Constructions -- Propriétés thermiques -- Essais -- Thermographie

Mots clés libres

Bayésien

Problème inverse

Thermique du bâtiment

Identifiabilité

Analyse de sensibilité globale

Bayesian

Inverse problem

Building physics

Identifiability

Global sensitivity analysis

Résumé

Dans un cadre de rénovation de bâtiment existant, on propose de baser le diagnostic énergétique et aéraulique sur des mesures in-situ non intrusives. Les données issues des mesures alimentent une méthode inverse qui permettra de déterminer les caractéristiques du bâtiment. La spécificité de la thèse consiste à utiliser l'inférence bayésienne comme approche pour la résolution du problème inverse, ce qui permet de travailler en approche probabiliste et d'obtenir intrinsèquement une estimation des incertitudes.

The purpose of the thesis is to develop a building energy performance assessment based on in situ non intrusive measurements. An inverse method using the acquired data allows us to determine the building's characteristics, with more or less accuracy. What is particular in this work is the use of a Bayesian approach, which allows on one hand handling data even if scarce and on the other hand obtaining inherently uncertainty assessment.