Calibration de modèles d’équipement CVCA

Simulation énergétique du bâtiment

Suite à la crise énergétique au début des années 1970, plusieurs avancées ont été effectuées dans le domaine de la modélisation énergétique afin de mieux contrôler la consommation d’énergie des bâtiments. Différents outils de modélisation ont été développés afin de pouvoir mieux prédire et évaluer la performance de différents types de bâtiment. Un outil de simulation énergétique peut se définir comme un programme informatique effectuant la résolution d’équations algébriques et différentielles afin de simuler le transfert de masse et d’énergie à l’intérieur d’un bâtiment. Ces outils de simulation utilisent un modèle énergétique étant défini comme une représentation idéalisée des différentes caractéristiques thermiques d’un bâtiment. Le modèle comprend les informations liées aux espaces (occupation, éclairage, charge aux prises, gains solaires, etc.) et aux systèmes CVCA (systèmes primaires, secondaires, points de consignes, performance des équipements, etc.). Une multitude d’outils numériques sont actuellement disponibles (plus de 135 outils sur le répertoire du département de l’énergie américain (DOE, 2012)) et permettent d’effectuer plusieurs types de calculs. Par exemple, l’évaluation des charges thermiques, de la performance de systèmes d’énergie renouvelable, du confort thermique des occupants est possible avec ces logiciels. Un rapport exhaustif permet aux modeleurs d’évaluer rapidement les capacités de simulation d’un logiciel spécifique (Crawley et al., 2008). Selon les caractéristiques de modélisation désirée et le résultat attendu, le modeleur peut ainsi choisir le logiciel le plus approprié pour l’analyse qu’il souhaite réaliser. Toutefois, certains logiciels sont plus populaires que d’autres.

Calibration des modèles énergétiques

La calibration de modèles énergétiques du bâtiment peut se définir comme l’ajustement des paramètres d’entrée du modèle afin d’améliorer la représentation des données mesurées. Un modèle calibré peut être utilisé de plusieurs façons et à différents moments du cycle de vie du bâtiment :
optimisation en continu de l’opération; détection de faute dans l’opération des systèmes ou dans la performance des équipements; analyse de la répartition par usages plus précise; analyse des profils thermiques et électriques du bâtiment; évaluation de l’impact énergétique de changements aux systèmes mécaniques et à l’enveloppe du bâtiment; normalisation de la consommation énergétique.
Bien que l’utilisation d’un modèle calibré présente plusieurs avantages, elle comporte aussi plusieurs défis. Les différentes publications répertoriées portant sur la calibration de modèles énergétiques peuvent être regroupées au sein de deux grandes catégories. La première méthode s’appuie sur la modification manuelle basée sur l’expérience, la connaissance et l’information disponible au modeleur. La deuxième utilise des méthodes d’optimisation numériques afin d’ajuster les différents paramètres du modèle énergétique. Une revue de littérature recensée par Reddy (2006) sur les différentes méthodes de calibration des modèles énergétiques présente un point de vue global des différentes méthodes de calibration existantes.

Calibration manuelle

La première approche de calibration des modèles énergétiques est définie comme une modification manuelle des différentes entrées d’un logiciel de simulation par un modeleur.
La source d’information utilisée pour effectuer ces changements varie (relevés mensuels, données de sous-mesurage, fiches du manufacturier, etc.). Toutefois, les changements au modèle doivent être effectués manuellement par le modeleur. Cette approche propose différentes stratégies guidant le modeleur au courant de la calibration d’un modèle.
Une stratégie est d’utiliser des techniques de visualisation pour mieux représenter les écarts entre les données mesurées et les résultats de simulation. La consommation énergétique mensuelle est une information souvent utilisée pour effectuer la calibration de modèle énergétique. Un diagramme à bande des différences entre la consommation énergétique mesurée et la consommation énergétique prédite par l’outil de simulation permet de visualiser l’amplitude des écarts. Toutefois, lorsqu’une calibration horaire est effectuée, l’information devient plus difficile à visualiser. Des méthodes plus avancées de visualisation des données ont étés développées afin de répondre à ce problème et ainsi permettre de détecter rapidement les écarts de calibration (Bou Saada et Haberl, 1995).

Calibration utilisant des méthodes numériques

La deuxième approche de calibration des modèles énergétiques est définie comme la modification automatique des différentes entrées d’un logiciel de simulation avec une méthode numérique.
L’utilisation de modèles énergétiques calibrés est une chose peu commune dans l’industrie. L’utilisation récente de données colligées par les systèmes de contrôle du bâtiment ainsi que l’utilisation d’une approche d’optimisation pour procéder à la calibration sont des concepts émergents. Donc, l’élaboration d’une nouvelle approche de calibration automatique des modèles énergétiques utilisant ces données dans le processus de calibration est souhaitable.

Imposition EnergyPlus

Afin de pouvoir effectuer la calibration des différents modèles d’équipement présents dans le logiciel EnergyPlus avec l’approche proposée, il est nécessaire d’imposer la valeur des variables d’état à un point spécifique du modèle. Cette étape de la démarche de recherche vise à développer un moyen d’introduire des données dans le logiciel EnergyPlus.
Le logiciel n’étant pas prévu pour cet usage, il faut utiliser une stratégie permettant d’émuler l’entrée de données directement dans le programme informatique permettant ainsi l’utilisation des modèles d’équipement CVCA présents dans le logiciel pour réaliser l’objectif de ce mémoire. L’approche utilisée pour effectuer ce transfert consiste en l’ajout d’un équipement virtuel au modèle dans le système simulé.
Cette méthode de contournement induit toutefois quelques différences entre les données initiales et obtenues après l’imposition. Il devient donc nécessaire d’évaluer l’effet de ces différences sur le processus d’estimation des paramètres. La prochaine étape de la démarche de recherche vise donc l’estimation des paramètres en utilisant des données synthétiques et le logiciel EnergyPlus.

Le rapport de stage ou le pfe est un document d’analyse, de synthèse et d’évaluation de votre apprentissage, c’est pour cela rapport-gratuit.com propose le téléchargement des modèles complet de projet de fin d’étude, rapport de stage, mémoire, pfe, thèse, pour connaître la méthodologie à avoir et savoir comment construire les parties d’un projet de fin d’étude.

Table des matières

INTRODUCTION
CHAPITRE 1 Revue de la littérature
1.1 Simulation énergétique du bâtiment
1.2 Calibration des modèles énergétiques
1.2.1 Calibration manuelle
1.2.2 Calibration utilisant des méthodes numériques
CHAPITRE 2 Objectifs et démarche de recherche
2.1 Objectifs du travail de recherche
2.2 Démarche de recherche
2.2.1 Preuve de concept
2.2.2 Imposition EnergyPlus
2.2.3 Estimation avec données synthétiques EnergyPlus
2.2.4 Réduction du domaine d’optimisation
2.2.5 Estimation avec des données mesurées colligées d’un bâtiment
2.3 Organisation du mémoire
CHAPITRE 3 CALIBRATION DE MODELES D’EQUIPEMENTS CVCA SOUS TRNSYS AVEC UN ALGORITHME EVOLUTIONNAIRE
3.1 Introduction
3.2 Méthodologie
3.2.1 Données synthétiques
3.2.2 Préparation du modèle TRNSYS
3.2.3 Optimisation des paramètres
3.2.4 Exemple
3.3 Résultats
3.3.1 Problème mal conditionné
3.3.2 Contrainte additionnelle
3.4 Conclusion et travaux futurs
CHAPITRE 4 CALIBRATION OF ENERGYPLUS HVAC MODELS USING OPTIMIZATION
4.1 Introduction
4.2 Methodology
4.2.1 Development of a representative model of the building
4.2.2 Selection of the appropriate control volume
4.2.3 Modification of the BEM
4.2.4 Estimation of the control volume parameters
4.2.5 Evaluation of the calibration results
4.2.6 Sequence of calibration
4.3 EnergyPlus component models
4.3.1 Fan models
4.3.2 Heating coil models
4.4 EnergyPlus Input Data
4.5 Synthetic sensor data
4.6 Results
4.7 Conclusion
4.8 Acknowledgement
4.9 Nomenclature
CHAPITRE 5 CALIBRATION OF ENERGYPLUS HVAC MODELS USING SEQUENTIAL OPTIMIZATION
5.1 Introduction
5.2 Methodology
5.2.1 Selection of the appropriate control volume
5.2.2 Modification of the BEM
5.2.3 Factor fixing of the control volume parameters
5.2.4 Estimation of the control volume parameters
5.2.5 Evaluation of the calibration results
5.2.6 Calibration over the other control volumes
5.3 Trial application on a real HVAC system
5.3.1 Selection of the control volume
5.3.2 Modification of the BEM
5.3.3 Factor fixing of the control volume parameters using synthetic data
5.3.4 Estimation of the control volume parameters
5.3.5 Evaluation of the calibration results
5.3.6 Remark
5.4 Discussion
5.5 Conclusion
5.6 Nomenclature
5.7 Acknowledgement
5.8 Accronyms
CHAPITRE 6 DISCUSSION
CONCLUSION