Simulation du comportement des usagers dans les bâtiments tertiaires à faible consommation énergétique, en zone tropicale

Simulation of occupant behaviour in low-energy non-residential buildings in tropical climates

• Auteur / Autrice : Maäréva Payet
• Direction : François Garde, Mathieu David, Alfred Jean-Philippe Lauret
• Type : Thèse de doctorat
• Discipline(s) : Physique du bâtiment
• Date : Soutenance le 07/10/2022
• Etablissement(s) : La Réunion
• Ecole(s) doctorale(s) : École doctorale Sciences, Technologies et Santé (Saint-Denis, La Réunion ; 2010-...)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de physique et d'Ingénierie mathématique pour l'énergie et l'environnement (Saint-Denis, Réunion)
• Jury : Président / Présidente : Monika Woloszyn
• Jury : Examinateurs / Examinatrices : Manar Amayri
• Jury : Rapporteur / Rapporteuse : Monika Woloszyn, Bérangère Lartigue

Mots clés

Mots clés contrôlés

Classification automatique (statistique)

Modèles mathématiques

Comportement humain

Constructions -- Économies d'énergie

Ventilation naturelle

Climat tropical

Mots clés libres

Comportement des usagers

Climat tropical

Bâtiments en mode mixte

Ventilation naturelle

Brasseurs d’air

Algorithmes de classification

Combinaison de modèles

Simulation thermique dynamique

Occupant behaviour

Tropical climate

Mixed-Mode buildings

Natural ventilation

Ceiling fans

Classification algorithms

Coupling of models

Dynamic thermal simulation

Résumé

Ce travail de thèse vise à fournir de nouveaux outils pour comprendre plus précisément le comportement des usagers de bâtiments à faible consommation d’énergie dans les climats tropicaux humides et à l’intégrer dans le processus de conception. Pour ces zones et types de bâtiments, les usagers peuvent agir sur des solutions passives pour atteindre le confort, tandis que des solutions à forte intensité énergétique peuvent offrir des alternatives pendant les mois les plus chauds. Pourtant, par rapport à d’autres zones climatiques, les connaissances spécifiques sur le confort et le comportement des usagers sont encore limitées, ce qui rend difficile pour les ingénieurs l’estimation de l’impact énergétique futur des bâtiments. Notre première contribution consiste à recueillir les actions dans un bâtiment bioclimatique tertiaire situé dans le climat tropical humide de La Réunion. Dans un deuxième temps, les comportements liés au confort hygrothermique sont mesurés, analysés et modélisés à l’aide de quatre techniques de classification basées sur l’apprentissage automatique. Plus précisément, les modèles développés permettent d’estimer l’utilisation de contrôles passifs (type de fenêtres appelées jalousies) et à faible consommation d’énergie (brasseurs d’air) en tenant compte du niveau de confort hygrothermique. De plus, les actions et contrôles considérés étant liés, un modèle combiné représentant les relations entre ces deux contrôles est également proposé. Enfin, les modèles comportementaux développés sont implémentés dans un logiciel de simulation thermique dynamique du bâtiment via une interface spécifique. Une comparaison avec une simulation basée sur des hypothèses issues de connaissances expertes conclut que la méthode proposée est capable de reproduire les actions des usagers plus fidèlement que les pratiques habituelles des concepteurs.

This PhD work aims to provide new tools to understand more precisely the behaviourof occupants in low-energy buildings in humid tropical climates and to integrate it into the design process. For such areas and building types, users may act on passive solutions to achieve comfort, while energy-intensive solutions may offer alternatives during the hottest months. Yet, compared to other climate zones, specific knowledge about occupant comfort and behaviour is still limited, making it difficult for engineers to estimate the future energy impact of buildings. Our first contribution consists in collecting users’ actions in a bioclimatic non residential buildinglocated in the humid tropical climate of La Réunion. In a second step,the behaviours related tohygrothermal comfort are measured, analysed and modelled using four classification techniques based on machine learning. More precisely, the developed models allow to estimate the use of passive controls (type of windows called louvers) and low energy controls (ceiling fans) taking into account the hygrothermal comfort level. In addition, as the actions and controls considered are linked, a combined model representing the relationships between these two controls is also proposed. Finally, the developed behavioural models are implemented in a dynamic thermalbuilding simulation software via a specific interface. A comparison with a simulation based on assumptions derived from expert knowledge concludes that the proposed method is able to reproduce the users’ actions more faithfully than the usual practices of the designers.