Literatura académica sobre el tema "Building energetics"

La prédiction de la consommation énergétique des bâtiments est aujourd’hui un point-clé de la transition énergétique, qui vise à atténuer les effets du réchauffement climatique. La quantité de données disponible étant de plus en plus importante, les modèles prédictifs dits « data-driven » voient leur performances croître constamment. Parmi ces modèles, ceux issus du Machine Learning sont probablement les plus efficaces. Au sein de cette thèse, nous proposons de réaliser un état de l’art complet des contributions du Machine Learning à la la prédiction de la consommation énergétique des bâtiments, via deux axes principaux : l’étape de pré-traitement des données préalable à l’utilisation d’un modèle de Machine Learning et les modèles en tant que tels, jusqu’aux plus complexes qui sont les réseaux neuronaux profonds. Malgré les performances de ces derniers, prédire avec précision la consommation d’électricité lorsque de fortes variations dans le temps apparaissent reste un défi. Pour le relever, nous proposons d’explorer deux voies : l’utilisation de fonctions de pertes soft-DTW et l’ajout de variables exogènes. L’application, à des données réelles, d’un réseau neuronal résiduel LSTM avec la fonction de perte soft-DTW, mène à une amélioration significative via notamment une meilleure compréhension des évolutions associées aux séries temporelles étudiées, en particulier pour les pics. Cependant, les métriques d’erreur classiques se révèlent insuffisantes pour évaluer et valider ou non le modèle prédictif. Nous introduisons donc une analyse de matrice de confusion et deux nouvelles métriques d’erreur : l’erreur de localisation temporelle du pic et l’erreur d’amplitude du pic basée sur l’algorithme DTW. Nos résultats révèlent que le soft-DTW surpasse les fonctions de perte MSE et MAE avec une réduction des erreurs associées à ces métriques, menant à une meilleure précision du modèle global. Afin de pénaliser la fonction de perte soft-DTW, un terme additionnel est introduit parmi l’erreur MSE, l’erreur MAE et l’indice de distorsion temporelle. Les résultats montrent que la pénalité MSE est la plus efficace pour réduire les problèmes de sur-estimation des pics et la réduction de l’effet dit « aigu » de ces pics. Concernant les variables exogènes, leur ajout combiné à la fonction de perte soft-DTW peut améliorer de façon significative notre modèle de prédiction : ainsi, les variables dites calendaires (temporelles) améliorent généralement la performance, en particulier si leur corrélation de Pearson avec la variable cible est importante. Cependant, si cette corrélation est relativement faible, l’inclusion de variables calendaires a un effet négatif sur la performance du modèle. Une conclusion similaire a été faite pour les variables météorologiques<br>The ongoing energy transition, pivotal to mitigate global warming, could significantly benefit from advances in building energy consumption prediction. With the advent of big data, data-driven models are increasingly effective in forecasting tasks and machine learning is probably the most efficient method to build such predictive models nowadays. In this work, we provide a comprehensive review of machine learning techniques for forecasting, regarding preprocessing as well as state-of-the-art models such as deep neural networks. Despite the achievements of state-of-art models, accurately predicting high-fluctuation electricity consumption still remains a challenge. To tackle this challenge, we propose to explore two paths: the utilization of soft-DTW loss functions and the inclusion of exogenous variables. By applying the soft-DTW loss function with a residual LSTM neural network on a real dataset, we observed significant improvements in capturing the patterns of high-fluctuation load series, especially in peak prediction. However, conventional error metrics prove insufficient in adequately measuring this ability. We therefore introduce confusion matrix analysis and two new error metrics: peak position error and peak load error based on the DTW algorithm. Our findings reveal that soft-DTW outperforms MSE and MAE loss functions with lower peak position and peak load error. We also incorporate soft-DTW loss function with MSE, MAE, and Time Distortion Index. The results show that combining the MSE loss function performs the best and helps alleviate the problem of overestimated and sharp peaks problems occured. By adding exogenous variables with soft-DTW loss functions, the inclusion of calendar variables generally enhances the model’s performance, particularly when these variables exhibit higher Pearson’s correlation coefficients with the target variable. However, when the correlation between the calendar variables and the historical load patterns is relatively low, their inclusion has a negative impact on the model’s performance. A similar relationship is observed with weather variables

A présent, les bâtiments résidentiels et commerciaux sont en phase de devenir le secteur le plus consommateur d’énergie dans de nombreux pays, comme par exemple en France. Diverses recherches ont été menées de manière à réduire la consommation énergétiques des bâtiments et augmenter leur confort thermique. Parmi tous les différentes approches, la technologie du stockage de chaleur latent se distingue par une très bonne capacité à stocker la chaleur afin de réduire les écarts entre la disponibilité et la demande d’énergie. Dans le cadre de l’un de nos projets, nous avons l’intention d’intégrer au design des murs des bâtiments un type de brique transparente remplie de matériaux à changement de phase (MCP). Les MCP à l’intérieur de la brique sont soumis à des changements de phase liquide-solide. Cette thèse s’attaque à la problématique du processus de fusion au sein de la brique. Au cours de cette thèse, une méthode expérimentale non-intrusive a été développée afin d’améliorer les techniques expérimentales existantes. La vélocimétrie des images des particules (VIP) et la fluorescence induite par laser (FIL) ont été couplées pour étudier la convection naturelle et la distribution de la température. Puisqu’aucun thermocouple n’a été inséré au sein de la brique, le processus de la fusion a été considéré sans perturbation. Les résultats montrent que cette conception expérimentale a un avenir prometteur, même si elle reste à améliorer. Par la suite, nous présentons deux simulations numériques. Ces simulations se fondent sur la méthode de Boltzmann sur réseau à temps de relaxation multiple (LBM MRT), employée pour résoudre le champ de vitesse, et sur la méthode de différences finies, pour obtenir la distribution de la température. La méthode d’enthalpie a quant à elle été utilisée pour simuler le changement de phase. Les simulations en deux dimensions et trois dimensions ont toutes deux été réalisées avec succès. Point important, ces simulations numériques ont été développées en langage C pour tourner spécifiquement sur un processeur graphique (GPU), afin d’augmenter l’efficacité de la simulation en profitant de la capacité de calcul d’un GPU. Les résultats des simulations concordent bien avec les résultats de nos expériences et avec les résultats analytiques publiés<br>The domestic and commercial buildings are currently becoming the major sector that consumes the biggest share of the energy in many countries, for example in France. Various researches have been carried out in order to reduce the energy consumption and increase the thermal comfort of builds. Among all the possible approaches, the latent heat storage technology distinguishes itself because of its excellent heat storage ability which can be used to efficiently reduce the discrepancy between the energy consumption and supply. In one of our project, we intend to integrate a type of transparent brick filled with phase change material (PCM) into the buildings' wall design. The PCM inside the brick undergoes the solid-liquid phase change. This dissertation addresses the important issues of the melting process inside the brick. In this dissertation, a non-intrusive experimental method was proposed to improve the existing experiment technique. The particle image velocimetry (PIV) and the laser-induced fluorescence (LIF) were coupled to investigate the natural convection and the temperature distribution. Because there was no thermocouple installed inside the brick, the melting process was thus considered to be less impacted. The results showed that this experimental design has a promising future, yet still needs to be improved. Two sets of efficient numerical simulations were also presented in this dissertation. The simulations were based on the thermal lattice Boltzmann method (TLBM), where the natural convection got solved by the LBM and the temperature equation was solved by the finite difference scheme. The enthalpy method was employed to simulate the phase change. Both the 2-dimensional and 3-dimensional configurations were successfully simulated. Moreover, the simulation programs were specifically developed - using the C language - to be run on the graphic processing unit (GPU), in order to increase the simulation efficiency. The simulation results demonstrated a good agreement with our experimental results and the published analytical results

The work deals with the impact assessment of selected parameters of residential buildings on their energy performance. Within the application of the theory of statistics database of selected residential buildings is analyzed in terms of different features that characterize it. In particular, the thermal insulating properties and individual sub-items in the energy balance are analyzed. Then the measured rate dependence of selected parameters affecting energy performance is examined using correlation and regression analysis. The results are applied in the development of computational tools for evaluating energy flows in the building.

First part of this thesis describes possibilities of energy assessment of buildings, possibilities of using thermal imaging camera in civil engineering and using software solutions of energy assessment of buildings. Second part engages an energy assessment of administrative building of NEPA company in Brno and designes possibilities of improvements. Third part contains description of technical solution of the best improvement possibility.