Optimization of energy efficiency for residential buildings by using artificial intelligence

par Andrei Liviu Negrea

Thèse de doctorat en Thermique - énergetique

Sous la direction de Adrian Badea et de Christian Ghiaus.

Soutenue le 24-11-2020

à Lyon en cotutelle avec l'Universitatea politehnica (Bucarest) , dans le cadre de Ecole Doctorale Mecanique, Energetique, Genie Civil, Acoustique (MEGA) (Villeurbanne) , en partenariat avec Institut national des sciences appliquées de Lyon (Lyon) (établissement opérateur d'inscription) , CETHIL - Centre d'Energétique et de Thermique de Lyon (Villeurbanne, Rhône) (laboratoire) et de Centre d'Energétique et de Thermique de Lyon / CETHIL (laboratoire) .

Le président du jury était George Darie.

Le jury était composé de Adrian Badea, Christian Ghiaus, George Darie, Iolanda Colda, Ion Hazyuk, Frank Tillenkamp.

Les rapporteurs étaient Iolanda Colda, Ion Hazyuk, Frank Tillenkamp.

  • Titre traduit

    Optimisation de l'efficacité énergétique des bâtiments résidentiels grâce à l'intelligence artificielle


  • Résumé

    La consommation, en général, représente le processus d’utilisation d’un type de ressource où des économies doivent être réalisées. La consommation d’énergie est devenue l’un des principaux problèmes d’urbanisation et de crise énergétique, car l’épuisement des combustibles fossiles et le réchauffement climatique mettent en péril l’utilisation de l’énergie des plantes. Cette thèse présent une méthode d’économie d’énergie a été adoptée pour la réduction de consommation d’énergie prévu le secteur résidentiel et les maisons passives. Un modèle mathématique basé sur des mesures expérimentales a été développé pour simuler le comportement d’un laboratoire d’essai de l’UPB. Le protocole expérimental a été réalisé à la suite d’actions telles que : la construction de bases de données sur les paramètres, la collecte de données météorologiques, l’apport de flux auxiliaires tout en considérant le comportement humain. L’algorithme de contrôle-commande du système est capable de maintenir une température constante à l’intérieur du bâtiment avec une consommation minimale d’énergie. Les mesures et l’acquisition de données ont été configurées à deux niveaux différents: les données météorologiques et les données sur les bâtiments. La collection de données est faite sur un serveur qui a été mis en œuvre dans l’installation de test en cours d’exécution d’un algorithme complexe qui peut fournir le contrôle de consommation d’énergie. La thèse rapporte plusieurs méthodes numériques pour envisage la consommation d’énergie, utilisée avec l’algorithme de contrôle. Un cas expérimental basé sur des méthodes de calcul dynamiques pour les évaluations de performance énergétique de construction a été faite à Grenade, en Espagne, l’information qui a été plus tard utilisée dans cette thèse. L’estimation des paramètres R-C avec la prévision du flux de chaleur a été faite en utilisant la méthode nodal, basée sur des éléments physiques, des données d’entrée et des informations météorologiques. La prévision d’énergie de consommation présent des résultats améliorés tandis que la collecte de données IoT a été téléchargée sur une carte à base de système de tarte aux framboises. Tous ces résultats ont été stables montrant des progrès impressionnants dans la prévision de la consommation d’énergie et leur application en énergie.


  • Résumé

    Consumption, in general, represents the process of using a type of resource where savings needs to be done. Energy consumption has become one the main issue of urbanization and energy crisis as the fossil depletion and global warming put under threat the planet energy utilization. In this thesis, an automatic control of energy was developed to reduce energy consumption in residential area and passive house buildings. A mathematical model founded on empirical measurements was developed to emphasize the behavior of a testing laboratory from Universitatea Politehnica din București - Université Politechnica de Bucarest - Roumanie. The experimental protocol was carried out following actions such as: building parameters database, collecting weather data, intake of auxiliary flows while considering the controlling factors. The control algorithm is controlling the system which can maintain a comfortable temperature within the building with minimum energy consumption. Measurements and data acquisition have been setup on two different levels: weather and buildings data. The data collection is gathered on a server which was implemented into the testing facility running a complex algorithm which can control energy consumption. The thesis reports several numerical methods for estimating the energy consumption that is further used with the control algorithm. An experimental showcase based on dynamic calculation methods for building energy performance assessments was made in Granada, Spain, information which was later used in this thesis. Estimation of model parameters (resistances and capacities) with prediction of heat flow was made using nodal method, based on physical elements, input data and weather information. Prediction of energy consumption using state-space modeling show improved results while IoT data collection was uploaded on a Raspberry Pi system. All these results were stable showing impressive progress in the prediction of energy consumption and their application in energy field.


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

Autre version

Cette thèse a donné lieu à une publication

Optimization of energy efficiency for residential buildings by using artificial intelligence


Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Institut national des sciences appliquées (Villeurbanne, Rhône). Service Commun de la Documentation Doc’INSA. Bibliothèque numérique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.

Consulter en bibliothèque

Cette thèse a donné lieu à une publication

Informations

  • Sous le titre : Optimization of energy efficiency for residential buildings by using artificial intelligence
  • Détails : 1 vol. (164 p.)
  • Notes : Thèse soutenue en co-tutelle.
  • Annexes : Bibliogr. p.158-164
La version de soutenance de cette thèse existe aussi sous forme papier.

Où se trouve cette thèse\u00a0?

Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.