Les modèles énergétiques des bâtiments à l’échelle du quartier sont généralement simplifiés pour faire face au manque de données et pour réduire le coût de calcul. Cependant, l’impact de ces simplifications sur la validité des modèles n’est pas systématiquement analysée, en particulier lorsqu’on s’intéresse à la courbe de charge. Pour combler ce manque, une méthodologie permettant de quantifier la validité des simplifications, notamment vis-à-vis de la courbe de charge, est proposée. Cette méthodologie est appliquée aux simplifications couramment utilisée pour les modèles thermiques d’enveloppe de bâtiments grâce à une plateforme numérique développée dans le cadre de cette thèse. Cette plateforme permet de générer et simuler automatiquement des modèles énergétiques de bâtiments, avec différents niveaux de détails, à partir de données issues de systèmes d’information géographique. La parallélisation des simulations énergétiques des bâtiments est utilisée à l’échelle du quartier, afin de tirer avantage de la structure du modèle global et de réduire les temps de calculs. La définition d’indicateurs spécifiques selon l’objectif de simulation apparait clairement comme l’étape essentielle lorsque l’on s’intéresse à la courbe de charge. Les résultats indiquent que la puissance est plus sensible aux simplifications que la consommation annuelle d’énergie. Les différents effets induits sont quantifiés et analysés physiquement. La capacité de l’échelle du quartier à atténuer les impacts des simplifications et d’intégrer les données statistiques est démontrée. La quantification des impacts des simplifications permet de guider l’adaptation des modèles vis-à-vis des objectifs de simulation et vis-à-vis des contraintes techniques. Cette contribution a pour objectif d’améliorer la performance des simulations énergétiques à l’échelle de la ville, et de favoriser leur développement, afin de répondre aux enjeux futurs. / District-scale building energy models are generally simplified to cope with a lack of data and to reduce computational cost. However, the impacts of these simplifications on model accuracy are not systematically studied, particularly when considering power demand. The present manuscript introduces a methodology to determine the suitability of any simplifications, notably those at the district scale, and considering the power demand. This methodology was applied to usual simplifications of the building envelope model thanks to a specific platform developed in the frame of this thesis. This platform enables automatically generating and simulating building energy models with different modelling levels of detail from geographical information systems. The parallelisation of the building energy simulations was notably implemented at the district scale in order to benefit from the model structure and to efficiently reduce the computational duration. The definition of indicators related to specific simulation objectives appears to be a necessary step when focusing on power demand. The results show a higher sensitivity to simplifications of the power demand than the annual energy consumption. These effects are quantified and physically analysed. The district-scale ability to attenuate the impacts of simplifications and to integrate statistical sources of data were demonstrated. The resulting quantification of the impacts of the simplifications made it possible to guide the adaptations of models to the simulation objectives and to the technical constraints. Such contribution aims to increase the efficiency and to favour the development of city-scale energy simulations, which are particularly needed to cope with future challenges.

L'intégration des énergies renouvelables produites par un bâtiment et les réseaux de fourniture, qui sont amenés à proposer des tarifications et des puissances disponibles variables au cours de la journée, entraînent une grande variabilité de la disponibilité de l'énergie. Mais les besoins des utilisateurs ne sont pas forcément en accord avec cette disponibilité. La gestion de l'énergie consiste alors à faire en sorte que les moments de consommation des installations coïncident avec les moments où celle-ci est disponible. Notre objectif a été de proposer une stratégie de commande prédictive, distribuée et hiérarchisée, pour gérer efficacement l'énergie de l'habitat. Les aspects prédictifs de notre approche permettent d'anticiper les besoins et les variations de la tarification énergétique. L'aspect distribué va permettre d'assurer la modularité de la structure de commande, pour pouvoir intégrer différents usages et différentes technologies de manière simple et sans faire exploser la combinatoire du problème d'optimisation résultant.