Vous êtes sur la page 1sur 25

1

Consommations d’énergie

chauffage eau chaude sanitaire électrique

En France, le chauffage représente 40% de la consommation


totale d’un bâtiment et même 63% pour Canada

Conception ou réhabilitation d’un bâtiment

1. Estimation des 2. Analyses de faisabilité


besoins des solutions (ex. isolation)

Une optimisation énergétique par


des études paramétriques est nécessaire !!

2
Simulations numériques détaillées Méthodes simplifiées
Résultats précis mais temps de Facilité et rapidité mais
traitement et de calculs souvent manquent de précision
importants

Modèles de prédiction (obtenues par une analyse


de régression des données expérimentales ou des
résultats de simulation)

Défis majeurs:
majeurs identifier les entrées et le modèle

x1

(réponse)
(facteurs)

Boite noire

Sorties
Entrées

x2 yi
(Modèle ?)
xi yi=f(x1,x2,….xi)

3
Les plus importants éléments qui peuvent influencer les besoins
énergétiques pour le chauffage

Surface vitrée
Isolation
thermique Inertie
thermique

Morphologie Besoins en Données


du bâtiment
chauffage météo

Consigne de Système de
chauffage ventilation
Apports
internes

4
Entrée 4 Entrée 3 Entrée 2 Entrée 1 Entrée 5

2592 cas
20 736 valeurs

5
Entrée 1 (morphologie du bâtiment)

A6 Cf -coefficient de forme ou
longueur caractéristique du
A3 Vbat. A2
A4 A5
bâtiment
A1

Optimiser la forme d'un bâtiment est un élément essentiel si


on veut réduire la consommation d’énergie

Le but: minimiser les surfaces de déperdition


(extérieur, sol, locaux non-chauffés) (Cf @)

6
Entrée 1 (morphologie du bâtiment)
V1, S1 V2, S2 V1= V2
S2> S1
Une optimisation est
possible

12 January April December


February October
11

monthly heating demand (kWh/m )


March November

3
10
Lyon climate
Coefficients de forme entre 0.73 à 1.22 m 9

8
(6 cas ont été étudiés) 7

Une augmentation de 0.1m du Cf implique 5

4
une réduction des besoins de l’ordre de 6 3

à 10%. 2
0.72 0.80 0.88 0.96 1.04 1.12 1.20
3 2
Building shape factor Sf (m /m )

7
Entrée 2 (surface vitrée)

Elément essentiel avec un impact important sur divers aspects du


confort humain (thermique, visuel, acoustique)

Utilisation du pourcentage de la surface vitrée par rapport à la


surface habitable (Sv)
3 cas sont analysés (12%,16%,22%)

Distribution (%) Nord Sud Est Ouest


Cas1-RT2000 25 25 25 25
13 January April December
Lyon climate February October
Cas2-RT2005 20 40 20 20 12
March November

monthly heating demand (kWh/m )


11

3
Cas3 40 20 20 20 10
9
Cas4 20 60 10 10 8
7
6
Divers cas de distribution sur les façades 5
4
3

20% de réduction pour les mois de 2


1

mi-saison (Avril, Octobre) 0


12% 17% 22%
Window to floor area ratio (%)

8
Entrée 3 (capacité thermique)
confort thermique
Grande masse thermique
réduction de la consommation
d’énergie
La comparaison des bâtiments par catégorie (légère, lourde,..)
est floue et peut parfois induire en erreur

Constante de temps du bâtiment (τ) 13


Lyon climate January April December
12 February October

monthly heating demand (kWh/m )


11 March November
(fonction des propriétés thermiques des

3
10
9
éléments de construction, coefficient des 8
7
pertes de chaleur par transmission et par 6
5
ventilation) 4
3
2
Plusieurs cas sont analysés (τ=3.2h 1
0
à τ=200h) 0 50 100 150
Building time constant (hours)
200

9
Entrée 4 (isolation thermique)

Le coefficient Ubat (coefficient moyen


de déperditions) – 3 niveaux d’isolation

Entrée 5 (coefficient de climat)

Fonction de la température fictive sol-air et de


la température de consigne

16 stations météo analysées

10
Comparaison entre différent modèles

Introduction des termes croisés


Model 1 Model 2 Model 3
Residual sum of squares 73.57 806 968
SEE 0.169 0.559 0.613
R2
Augmentation considérable 0.9952 0.9474 0.9312
Max. residual 0.80 1.42 1.82
de la corrélation modèle-simulation Min. residual -0.69 -1.73 -1.5

11
Coefficient de forme (Cf)
Ubâtiment (Ubat)
Fonctions Analyse statistique
Ratio Svitrée/Shabitable
polynomiales complète (corrélation,
Constante de temps (τ) résidus, répartitions
Coeff. de climat (Tin,Tsol-air) d’erreurs)
Orientation

12
Validation des modèles

Validation avec 270 cas (3 formes aléatoires,


plusieurs climats, différents niveaux d’isolation
et d’inertie)

Erreurs relatives en moyenne de 4-5%

13
Méthode multicritère d’aide à la décision (ELECTRE III)

Etapes

1) Inventorier des variantes/alternatives


2) Identifier/lister les critères
3) Pondérer les critères et les seuils
4) Juger les solutions par comparaison pour chaque critère
5) Agréger les jugements pour choisir la solution optimale

Critères (ou attributs): aspects suivant lesquels les alternatives


sont examinées ; qualitatifs ou quantitatifs
Poids (des critères): importance attribuée aux critères

14
Matrice de décision
Critères
Alternatives g1 g2 g3 ... gj
Poids relatifs w1 w2 w3 ... wj
a1 g1(a1) g2(a1) g3(a1) ... gj(a1)
a2 g1(a2) g2(a2) g3(a2) ... gj(a2)
a3 ... ... ... ... ...
. . . . ... .
144 sol. Matrice de performance
. . . . ... .
. . . . ... .
ak g1(ak) g2(ak) g3(ak) ... gj(ak)

15
Critères de décision
Energétique - énergie primaire substituée (g1) - ascendant
Financier - temps de retour (g2) - descendant
Environnemental - quantité CO2 évitée (g3) - ascendant

Utilisation des seuils: Zone d’indifference


vj>pj>qj
Seuil d’indifférence (qj)
Zone de préférence faible
Seuil de préférence stricte (pj)
Zone de préférence stricte
Seuil de veto (vj)

16
Indice de concordance par critère (mesurer les arguments en
faveur de « au moins aussi bonne ») → indice de concordance
globale
cj (ai,ak) Préférences (1)

1 (2)

(4) (3) (2) (1) (3)

(4)

0 gj(ai) gj(ai)+qj[gj(ai)] gj(ai)+pj[gj(ai)] gj(ak)

Indice de discordance par critère (mesurer s’il y a des raisons


importantes de refuser cette affirmation) → affaiblie la concordance
Dj (ai,ak)
(1) (pas d’opposition) Préférences

(2) (opposition faible) 1


(1) (2) (3)
(3) (opposition totale)

0 gj(ai) gj(ai)+pj[gj(ai)] gj(ai)+vj[gj(ai)] gj(ak)

17
144 solutions 3 critères Degrés de crédibilité

3 matrices de (144x144)

Processus itératif
3 matrices de (144x144) 1 matrice de (144x144)

Classement final

Une analyse de sensibilité (poids


des critères, seuils) est obligatoire

18
Logement type unifamilial avec N
450 235 270 275

une surface au sol de 99.8 m2

250

405
Cuisine Chambre 1 Chambre 2

Le bâtiment est divise en 3 zones


Séjour

Zone d’habitation

135
Entrée

570
Garage WC

280
Chambre 3
Salle de
bains

Comble non-habitable
270 450 140 60 205 375

Estimation des besoins énergétiques Plan de la maison Mozart

Utilisation des modèles de régression

Isolation thermique=0.461 W/m2K Constante de temps=50 h


Coefficient de forme=0.864 m Ratio Shabitable/Svitrée=0.154
Climat: La Rochelle, Nice et Lyon
19
Besoins chauffage
Comparaison des résultats obtenus par les modèles avec ceux
calculés par l’outil de simulation dynamique Trnsys 16.0

Besoins ECS et électricité


3 personnes / consommation 45 l/jour à 50oC
Consommation standard d’énergie électrique

20
Système solaire thermique
Alternative Manufacture model Collector Optical Heat losses Angle d’inclinaison 45o et
surface (m2) efficiency (%) (W/m2K)
orientation Sud
STref Buderus Logasol SKS 2.22 0.79 4.89
ST1 De Dietrich Dietrisol Pro 2.3 2.13 0.72 4.80
ST2 Greennone Tec FK 7300 2.29 0.75 3.43
ST3 Schucko Schucosol S 2.51 0.73 4.00
ST4 Velux CLI 2000 S08 2.7 0.75 4.34 Calcul de l’énergie fournie
ST5 Viessmann Vitosol 2.5 2.5 0.76 4.33 par les panneaux solaires
200
supplied renewable energy (kWh/month)

Système solaire photovoltaïque 180

160
CalSol calculation data
C al-Sol EC O-Sol Solo2000

Alternative Manufacture model 4169


56.8
78.4
51
Collector
69
Nominal Nominal efficiency
140 122 surface
124 107 power of module(%)
Energie électrique disponible 120
145
160
133.7
(m 2)
142.7
124
138
(kWp)
EcoSol calculation data 165 151.6 135
pour chaque solution 100 SPref
SP1
Sharp NE-80EJE
Sharp ND-L3EJE
168
163
1606.34 140
152.3
9.91 135
0.8
1.23
12.6
12.4
80 138 125.7 118
Solo2000 calculation data SP2 Photowatt PW1000 97 10.81 94
103.9 1.20 11.1
60 44 56.9 57
Calcul financier avec prise en 40
SP3
SP4
BPSolar BP 380H,S,U 25 13.01 45
41.4 1.59 12.3
Shell IRS 75 MA 12.58 1.46 11.6
compte de la revente EDF
Jan. Feb. Mar. Apr. May. Jun.
20 SP5 Sharp NE-80EJE
Jul. Aug. Sep. O ct. Nov. Dec.
10.15 1.28 12.6

21
Couplage des différent source d’énergie
fossile et renouvelable

Proposition d’un surclassement final au


décideur → solution optimale
22
Critère 1 Critère 2 Critère 3
Poids (scenario 1) 25 50 25
Hypothèse sur les poids et seuils
Poids (scenario 2) 25 25 50
Seuils Deux scenarios d’étude
Préférence 13.5 2.28 1771
Indifférence 6.78 1.14 885
Veto 20.3 3.42 2656
Surclassement des solutions
Scenario 1 (poids du critère économique la plus grande)

Classement
des solutions
ST1+SP3

23
Changement de classement par rapport au scenario 1
Solution A46 sur la 2eme position âpres les solutions bois

Scenario 2 (poids du critère écologique la plus grande)

Classement
des solutions

24
Une analyse de sensibilité est obligatoire dans les études
Fluctuation légère du surclassement final

Classement
des solutions

25