Affordable Access

Méthode inverse pour l'identification de paramètres de modèles en vue de la prédiction robuste de quantités d'intérêt en thermique du bâtiment

Authors
  • Djatouti, Zohra
  • Waeytens, Julien
  • Chamoin, Ludovic
  • Chatellier, Patrice
Publication Date
Jun 03, 2019
Source
HAL-INRIA
Keywords
Language
French
License
Unknown
External links

Abstract

Le présent travail introduit une méthode inverse d'identification de paramètres vis-à-vis d'une quantité d'intérêt en thermique du bâtiment. Cette méthode peut présenter un intérêt pour l'identification de caractéristiques thermiques d'enveloppes de bâtiments existants en vue de réaliser des diagnostics de performances énergétiques représentatifs de leur comportement réel.Contrairement aux méthodes standard de résolution de problèmes inverses telles que la méthode de régularisation de Tikhonov, qui ont pour objectif de recaler l'ensemble des paramètres du modèle afin de reproduire, le plus fidèlement possible, les données mesurées, la méthode d'identification de paramètres vis-à-vis d'une quantité d'intérêt est formulée pour la prédiction robuste de quantités physiques prédéfinies. Cette méthode n'identifie que les paramètres du modèle auxquels la quantité d'intérêt recherchée est sensible. Elle permet ainsi de minimiser l'instrumentation et de réduire le temps de calcul. Une première application à l'échelle de l'enveloppe a permis de constater que la méthode d'identification de paramètres de modèles vis-à-vis d'une quantité d'intérêt présente une plus faible sensibilité au bruit de mesure par rapport aux méthodes usuelles. Afin de réduire les temps de calcul, la méthode inverse est couplée à une méthode de réduction de modèles de type PGD (Proper Generalized Decomposition). La stratégie développée a été appliquée à un modèle R6C2 sur un chalet de l'équipement d'excellence « Sense-City » et les résultats obtenus ont été comparés à ceux de la méthode de Tikhonov. On constate que la méthode proposée permet l'identification robuste des quantités d'intérêt recherchées en quelques itérations, avec une erreur inférieure à 5% et en ne recalant que les paramètres auxquels elles sont sensibles. Pour valider ces résultats sur un modèle représentatif de bâtiments réels, comprenant plusieurs zones thermiques et un plus grand nombre de paramètres, une application sur le bâtiment R+1 de la mini-ville « Sense-City » est actuellement en cours d'étude.

Report this publication

Statistics

Seen <100 times