Optimisation holistique des bâtiments basée sur l’évaluation des performances annuelles à partir de séquences courtes

Holistic optimization of buildings based on the evaluation of annual performances from short simulation sequences

• Auteur / Autrice : Hasan Sayegh
• Direction : Gilles Fraisse, Étienne Wurtz, Antoine Leconte, Simon Rouchier
• Type : Thèse de doctorat
• Discipline(s) : Génie Civil et Sciences de l'Habitat
• Date : Soutenance le 03/12/2020
• 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 : Évelyne Lutton
• Jury : Examinateurs / Examinatrices : Jean-Michel Reneaume
• Jury : Rapporteurs / Rapporteuses : Bruno Peuportier, Jean-Jacques Roux

Mots clés

Mots clés contrôlés

Ressources énergétiques

Constructions

Mots clés libres

Bâtiments

Systèmes énergétiques

Séquence courte

Réduction du temps de calcul

Optimisation multiobjectifs

Buildings

Energy systems

Short sequence

Computation time reduction

Multi-objective optimization

Résumé

Les approches holistiques en modélisation des bâtiments sont des démarches globales considérant les fortes interactions entre l’enveloppe, les systèmes, l’environnement et les usagers. Par contre, ils sont très pénalisants en temps de calcul du fait de l’utilisation de modèles détaillés en régime dynamique et de périodes simulées longues. Dans ce contexte, la réduction du temps de calcul est un véritable défi pour les études holistiques. La démarche classique utilise les méta-modèles ou des modèles réduits. La thèse explore une autre voie basée sur la réduction de la période simulée au lieu du modèle lui-même. L’objectif est de définir une séquence de jours suffisamment courte pour déterminer avec le modèle dynamique complet les performances qui sont ensuite extrapolées à l’année complète. Cela permettrait ainsi de développer une approche méthodologique plus rapide et plus accessible pour la conception des bâtiments. Après avoir présenté et analysé les méthodes utilisées dans la littérature, la thèse présente une nouvelle approche itérative intégrant un algorithme de regroupement. Le nouvel algorithme, appelé TypSS (Typique Short Sequence) Algorithme, crée et améliore de manière itérative une séquence courte de jours typiques basée sur des critères de sélection reflétant les performances annuelles d'un cas d’étude. L'algorithme a été appliqué sur un modèle de bâtiment détaillé et a conduit à des simulations beaucoup plus rapides tout en obtenant des résultats très proches des résultats annuels. Les résultats ont également été comparés à une approche itérative et de regroupement utilisées pour la sélection de jours et son potentiel a été remarqué. L'algorithme a également montré son efficacité lorsqu'elle est généralisée. Une analyse de sensibilité sur les paramètres d'entrée a été réalisée pour évaluer la sensibilité aux paramètres devant être fixés par un utilisateur. Enfin, la séquence réduite a été utilisée dans une étude d'optimisation multicritères par NSGA-II. Une approche adaptative d'optimisation utilisant des séquences réduites nommée OptiTypSS est introduite en comparant les résultats obtenus à une approche adaptative basée sur le métamodèle. La méthode a permis d'obtenir des résultats très proches des individus optimaux obtenus à partir de simulations sur une année complète. D'autre part, le temps de calcul pris par la stratégie proposée était plus élevé que celui du métamodèle en raison du temps consommé dans le processus de sélection du jour. En conséquence, elle pourrait être amélioré dans les travaux futurs.

Performing global approach studies on buildings, which take into consideration both the envelope and the connected systems, lead to the complexity of models under study. Simulation of such models may lead to high computational time expenses. Usually, simplified or surrogate models instead of detailed ones are used to avoid this issue. A global approach based on the reduction of input data profiles rather than the model itself is a current case of interest. The approach evaluates annual performances of a model starting from a short simulation sequence of typical selected days instead of complete data profiles.After presenting and analyzing the methods used in the literature for typical day selection, the thesis presents a new iterative approach with an embedded grouping algorithm. The new algorithm, called TypSS (Typical Short Sequence) Algorithm, creates and enhances iteratively a short simulation sequence of typical days based on target criteria reflecting the annual performances of a model. The algorithm was applied on a detailed building model and led to much faster simulations while obtaining results of high correlation with the reference ones. Results were also compared to an iterative and a clustering approach used for day selection and its potential was noticed. The approach also showed its efficiency when generalized, and a sensitivity analysis on its input parameters was performed to evaluate its sensitivity to initial inputs imposed by operators.Finally, the reduced sequence was used in a heavy multi-objective optimization study by NSGA-II. An adaptive strategy for optimization employing reduced sequences named OptiTypSS was introduced comparing the obtained results to an adaptive metamodel based approach. The method succeeded in obtaining optimal results very close to the ones from a reference full year simulation requiring less heavy simulations (30 for the metamodel approach while 9 for OptiTypSS). On the other hand computational time taken by the proposed strategy was higher than the one of metamodel due to the time consumed in the day selection process which could be enhanced in future work.