Accueil

• A propos
• Agenda
• Actualité
• Thèses
  • Thèses 2021 - 2022
• Publications
  • Articles
  • Communications
  • Autres
• Recrutement
  • Offres de thèse
  • Offres d'emploi
  • Offres de stage
• Newsletter
• Mentions légales
• Plan du site
• Contact

L'agenda du CES

Retrouvez tous les événements passés ou à venir

Le 3 octobre 2022

Soutenance de thèse de Samih AKKARI

Etude et amelioration de l'application de Bayesian calibration dans modele energetique des batiment

Résumé de la thèse en français

Le secteur du bâtiment est responsable de la plus grande part de la consommation totale d'énergie en France et en Europe. Récemment, les efforts se sont concentrés sur le développement de nouvelles mesures et stratégies dans le secteur du bâtiment pour réduire sa consommation. Les modèles énergétiques dynamiques des bâtiments sont les principaux outils pour simuler et analyser les différentes améliorations possibles de la rénovation des bâtiments. Cependant, les résultats de ces modèles sont caractérisés par un degré d'incertitude et un biais est généralement constaté par rapport aux observations mesurées. Ainsi, le calibrage des modèles et la propagation des incertitudes ont reçu une attention croissante dans le domaine de la simulation énergétique des bâtiments. Le calibrage bayésien combine à la fois les données disponibles et les connaissances préalables sur le bâtiment pour générer un modèle qui correspond mieux aux données tout en tenant compte des incertitudes dans les prédictions et les paramètres du modèle. Dans cette thèse, différentes méthodes bayésiennes sont sélectionnées dans la littérature et évaluées en termes de précision et d'efficacité de calcul. Une nouvelle méthode plus rapide en termes de calcul que celles trouvées dans la littérature est également proposée et testée sur des données virtuelles. Étant donné que le calibrage peut nécessiter de nombreux calculs, les modèles énergétiques des bâtiments sont calibrés sur un sous-ensemble des paramètres les plus influents. En conséquence, une analyse de sensibilité est utilisée pour sélectionner les paramètres les plus influents. Dans cette thèse, une comparaison détaillée entre les méthodes de Morris et RBD-FAST est effectuée en termes de robustesse, de précision et d'efficacité de calcul, la méthode Sobol étant considérée comme référence. De plus, une analyse d'identifiabilité basée sur les résultats de sensibilité est menée pour classer les paramètres non seulement en termes d'importance mais aussi pour tenir compte des interactions entre eux. L'effet de cette étape est étudié en fonction des performances du calibrage correspondantes. De plus, l'effet du nombre de paramètres pour le calibrage est étudié sur une étude de cas virtuelle suivant une méthodologie appropriée. Enfin, une étude de cas réel correspondant à des données réelles monitorées est utilisée pour vérifier les conclusions de cette thèse.

Résumé de la thèse en anglais

The building sector is responsible for the largest share of the total energy consumption in France and in Europe. Recently, efforts have been focused on developing new measures and strategies in the building sector to reduce its consumption. Dynamic building energy models are the main tools to simulate and analyse different possible renovation improvements for the buildings. However, the results of these models are characterised by some degree of uncertainty and the model could show poor fit to the measured observations. Thus, calibration and uncertainty propagation have received an increasing attention in the field of building energy simulation. Bayesian calibration combines both the data available and the prior knowledge about the building to generate a model that fits better to data while considering the uncertainties in the predictions and model parameters. In this thesis, different Bayesian methods are selected from literature and assessed in terms of accuracy and computational efficiency. A new method that is computationally faster than the ones found in literature is proposed and tested on virtual data. Since calibration could be computationally intensive, the building energy models are calibrated on a subset of the most influential parameters. Accordingly, a sensitivity analysis is used to select these most influential parameters. In this thesis, a detailed comparison between Morris and RBD-FAST methods is conducted in terms of robustness, accuracy and computational efficiency using Sobol method as the reference method. Additionally, an identifiability analysis based on the sensitivity results is applied to rank the parameters not only in terms of importance but also to account for the interactions between them. The effect of this step is studied according to the corresponding calibration performance. Moreover, the effect of the number of parameters for calibration is studied on a virtual case study following an appropriate methodology. Finally, a real case study corresponding to real monitored data is used to check the findings of this thesis.

Date de soutenance : lundi 3 octobre 2022 à 14h00
Adresse de soutenance : 60 Bd Saint-Michel, 75272 Paris - XXX
Directeur de thèse : Bruno PEUPORTIER
Co-encadrant : Patrick SCHALBART