Vers des approaches d’optimisation centrée sur l’utilisateur et de contrôle prédictif de la performance des bâtiments intelligents
Auteur / Autrice : | Chuhao Jiang |
Direction : | David Bigaud, Marie-Lise Pannier |
Type : | Thèse de doctorat |
Discipline(s) : | Mécanique des fluides, énergetique, thermique, combustion, acoustique |
Date : | Soutenance le 04/12/2023 |
Etablissement(s) : | Angers |
Ecole(s) doctorale(s) : | Sciences de l'ingénierie et des systèmes (Nantes Université) |
Partenaire(s) de recherche : | Laboratoire : Laboratoire Angevin de Recherche en Ingénierie des Systèmes (EA7315) - Laboratoire Angevin de Recherche en Ingénierie des Systèmes / LARIS |
Jury : | Président / Présidente : Monika Woloszyn |
Examinateurs / Examinatrices : Abdérafi Charki, Alain Godon, Tingting Vogt Wu | |
Rapporteurs / Rapporteuses : Didier Defer, Marie Duquesne |
Mots clés
Résumé
En réponse aux transitions énergétique et numérique dans le secteur du bâtiment, le concept de Smart Building gagne en importance. La gestion optimisée de ces bâtiments devrait permettre une réduction des coûts et des consommations énergétiques en phase d’exploitation. Cependant, l’amélioration des performances énergétiques ne doit pas se faire au détriment du confort des usagers. Le succès d’un système de gestion intelligente des bâtiments dépend en grande partie de la participation active de ses occupants et il est important de prendre en compte les "humains dans la boucle". De plus, pour des raisons économiques et environnementales,le déploiement de capteurs et actionneurs intelligents doit se faire avec parcimonie. Dans ce contexte, l’objectif de la thèse est d’optimiser le placement de capteurs multi-physiques pour détecter une ou plusieurs actions de l’occupant qui serviront à développer des stratégies de gestion efficaces centrées sur l’utilisateur. Une détection correcte de l’occupation peut nécessiter l’utilisation de nombreux capteurs intelligents mesurant diverses grandeurs physiques. De plus, les quelques ensembles de capteurs sélectionnés doivent être adaptés pour décrire le confort à certains endroits précis du bâtiment où les occupants sont plus susceptibles de se trouver. Le placement optimal des capteurs a été étudié en utilisant la méthode indépendante efficace afin d’assurer une caractérisation parcimonieuse et efficace de l’occupation et du confort (chapitre 3). L’inclusion des utilisateurs nécessite une meilleure compréhension de leurs activités. Des algorithmes d’apprentissage automatique sont ensuite appliqués pour détecter soit les ouvertures de fenêtres, soit la présence d’occupants dans une pièce. L’un des défis concerne l’efficacité de la détection d’activité pour les données non étiquetées (c’est-à-dire lorsque le statut d’occupation réel est inconnu). Elle a été abordée à l’aide d’algorithmes non supervisés ou semi-supervisés (chapitre 4). Un autre défi consiste à déterminer quel type d’activité est associé à différents effets sur les conditions environnementales intérieures. Pour traiter cet aspect, il a été proposé dans la thèse d’utiliser des méthodes d’analyse des causes racines et plus particulièrement les réseaux bayésiens (chapitre 5). Une fois que l’occupation est mieux comprise à partir d’un ensemble réduit de capteurs, une stratégie de gestion plus efficace et centrée sur l’usager peut être définie. La cohérence du cadre proposé a été prouvée en appliquant les méthodes sur deux études de cas complémentaires. Le premier est une étude de cas simulée sur laquelle des simulations énergétiques dynamiques de bâtiments et des simulations CFD sont effectuées pour évaluer les températures intérieures et les charges énergétiques pour différents scénarios d’occupation prédéfinis. Pour la deuxième étude de cas, une instrumentation a été conçue et déployée dans un bâtiment réel : les capteurs multi-physiques intelligents installés permettent de collecter des données sur l’environnement intérieur, ainsi que sur l’occupation.