In a northern European climate a typical solar combisystem for a single family house normally saves between 10 and 30 % of the auxiliary energy needed for space heating and domestic water heating. It is considered uneconomical to dimension systems for higher energy savings. Overheating problems may also occur. One way of avoiding these problems is to use a collector that is designed so that it has a low optical efficiency in summer, when the solar elevation is high and the load is small, and a high optical efficiency in early spring and late fall when the solar elevation is low and the load is large.The study investigates the possibilities to design the system and, in particular, the collector optics, in order to match the system performance with the yearly variations of the heating load and the solar irradiation. It seems possible to design practically viable load adapted collectors, and to use them for whole roofs ( 40 m2) without causing more overheating stress on the system than with a standard 10 m2 system. The load adapted collectors collect roughly as much energy per unit area as flat plate collectors, but they may be produced at a lower cost due to lower material costs. There is an additional potential for a cost reduction since it is possible to design the load adapted collector for low stagnation temperatures making it possible to use less expensive materials. One and the same collector design is suitable for a wide range of system sizes and roof inclinations. The report contains descriptions of optimized collector designs, properties of realistic collectors, and results of calculations of system output, stagnation performance and cost performance. Appropriate computer tools for optical analysis, optimization of collectors in systems and a very fast simulation model have been developed.

Les Systèmes Solaires Combinés (SSC), qui répondent aux besoins d'Eau Chaude Sanitaire (ECS) et de chauffage d'un bâtiment, peuvent réaliser des économies d'énergie conséquentes. Cependant, leurs performances dépendent énormément de leur conception, de leur installation et surtout de l'environnement énergétique auquel ils sont confrontés (c'est-à-dire les besoins thermiques du bâtiment et les ressources solaire). A ce jour, il est impossible de prédire l'économie d'énergie qu'un SSC permettrait de réaliser. Il n'existe aucun test normatif permettant la caractérisation des performances des SSC, ce qui pénalise le développement de son marché. La méthode SCSPT (Short Cycle System Performance Test) a pour objectif d'évaluer les performances annuelles des SSC à partir d'un test de 12 jours sur banc d'essai thermique semi-virtuel. Sa particularité est de considérer chaque système comme un unique ensemble ce qui permet, contrairement aux méthodes de type « composant », de prendre en compte les vraies interactions entre les éléments des SSC lors de leur test. Elle montre de très bons résultats mais ceux-ci sont limités à la prédiction des performances du système pour le seul environnement énergétique adopté lors du test. Ces travaux de recherche proposent une amélioration de la procédure SCSPT en lui ajoutant une étape d'identification d'un modèle générique de SSC à partir de données expérimentales. De cette manière, le modèle identifié pourrait simuler le comportement du SSC testé sur différentes séquences annuelles pour n'importe quel environnement énergétique et ainsi caractériser ses performances (à l'aide de la méthode FSC par exemple). L'architecture proposée pour ce modèle est du type « Boite Grise ». Elle mêle une partie « Boite Blanche » composée d'équations physiques caractéristiques de certains éléments du SSC et une partie « Boite Noire » constituée principalement d'un réseau de neurones artificiels. Une procédure complète est conçue pour entrainer et sélectionner un modèle correspondant aux SSC à partir des données de leur test sur banc d'essai semi-virtuel. Cette approche a été validée numériquement grâce à des simulations de trois modèles détaillés de SSC sous TRNSYS. En comparant leurs résultats annuels avec ceux des modèles « Boites Grises » entrainés à partir d'une séquence 12 jours, ces derniers sont capables de prédire la consommation en énergie d'appoint de manière très précise pour 27 environnements énergétiques différents. L'application concrète de cette nouvelle procédure a été réalisée expérimentalement sur deux SSC réels. Elle a confirmé que l'approche était pertinente et cohérente. Elle a également permis d'identifier quelques améliorations pour que la méthode soit totalement opérationnelle. Ce travaux offrent une base pour avancer dans l'élaboration d'une méthode complète et fiable de caractérisation des SSC qui pourraient conduire à une nouvelle procédure de normalisation (et d'envisager un étiquetage énergétique des SSC. / Solar Combi Systems (SCS) can be very efficient at reducing heat energy bill of a house but their performances depend on the environment they are working in (type of climate and thermal quality of the building). Currently it is impossible to predict how much energy a SCS would save before its installation. There is no standard test to characterize SCS performances and this curbs its market development. The Short Cycle System Performance Test (SCSPT), that is being developed at the French National Institute of Solar Energy (INES, Chambery, France), aims to evaluate SCS annual performance from a test on a semi-virtual test bench. Its special feature is to test the whole system as only one part, unlike “component testing” which can't consider real interaction between combisystems components. The SCSPT method shows good results but performance prediction is limited to only one environment (i.e. one set of system sizing, type of climate and building thermal quality, corresponding with the test). This work proposes an improvement of the SCSPT procedure by identifying a global SCS model from the test data. In this way, the identified model would be able to simulate the tested SCS behaviour in any environment and thus to characterize its performances. The proposed model to identify is a “grey box” model, mixing a “white box” model composed of known physical equations and a “black box” model, which is an Artificial Neural Network (ANN). A complete process is developed to train and select a relevant global SCS model from such a test on semi-virtual test bench. This approach has been validated through numerical simulations of three detailed SCS models. Compared to their annual results, “grey box” SCS models trained from a twelve days sequence are able to predict energy consumption with a good precision for 27 different environments. Concrete experimentations of this procedure have been applied to two real systems. They have confirmed that the approach is pertinent and revealed some points to improve in order to get it totally operational. This work offers major basis to get ahead with a complete method to characterize SCS that could lead to develop a standardization method from performance evaluation (and eventually complete the European norm EN 15316 for instance) and to plan a combisystems performance labelling.