Return to search

Use of Smart Technology for heating energy optimization in buildings : experimental and numerical developments for indoor temperature forecasting / Utilisation de la technologie intelligente pour l’optimisation de l’énergie du chauffage dans les bâtiments : développement expérimental et numérique pour la prévision de la température interne

L’inquiétude croissante concernant le futur des ressources énergétique a fait de l’optimisation énergétique une priorité dans tous les secteurs. De nombreux sujets de recherche se sont focalisés sur celui du bâtiment étant le principal consommateur d’énergie, en particulier à cause de ses besoins en chauffage. L’application des stratégies de contrôle et de gestion innovantes peuvent contribuer à des économies d'énergie. L'objectif de cette thèse est d'introduire le concept intelligent dans les bâtiments pour réduire la consommation d'énergie. L'étude vise à développer un modèle permettant de prédire le comportement thermique des bâtiments. La thèse propose une méthodologie basée sur la sélection des paramètres d'entrée pertinents, après une analyse de pertinence, pour développer un modèle simplifié de réseau de neurones artificiel, utilisé pour la prévision de température intérieure. Le domaine intelligent nécessite un processus automatisé pour comprendre la dynamique des bâtiments et décrire ses caractéristiques. L’utilisation des modèles thermiques réduits convient pour de telles stratégies. Ainsi, la thèse présente une étude préliminaire pour la génération d'un processus automatisé pour déterminer la prévision de température intérieure à court terme et les caractéristiques des bâtiments basées sur la modélisation en boîte grise. Cette étude est basée sur une méthodologie capable de trouver l'ensemble de données le plus fiable qui décrit le mieux la dynamique du bâtiment. L'étude montre que l'ordre le plus performant pour les modèles réduits est régi par la dynamique des données collectées utilisées. / With the highly developing concerns about the future of energy resources, the optimization of energy consumption becomes a must in all sectors. A lot of research was dedicated to buildings regarding that they constitute the highest energy consuming sector mainly because of their heating needs. Technologies have been improved and several methods are proposed for energy consumption optimization. Energy saving procedures can be applied through innovative control and management strategies. The objective of this thesis is to introduce the smart concept in the building system to reduce the energy consumption, as well as to improve comfort conditions and users’ satisfaction. The study aims to develop a model that makes it possible to predict thermal behavior of buildings. The thesis proposes a methodology based on the selection of pertinent input parameters, after a relevance analysis of a large set of input parameters, for the development of a simplified artificial neural network (ANN) model, used for indoor temperature forecasting. This model can be easily used in the optimal regulation of buildings’ energy devices. The smart domain needs an automated process to understand the buildings’ dynamics and to describe its characteristics. Such strategies are well described using reduced thermal models. Thus, the thesis presents a preliminary study for the generation of an automated process to determine short term indoor temperature prediction and buildings characteristics based on grey-box modeling. This study is based on a methodology capable of finding the most reliable set of data that describes the best the building’s dynamics. The study shows that the most performant order for reduced-models is governed by the dynamics of the collected data used.

Identiferoai:union.ndltd.org:theses.fr/2019LIL1I021
Date13 May 2019
CreatorsAttoue, Nivine
ContributorsLille 1, Université libanaise, Mroueh, Hussein, Younes, Rafic
Source SetsDépôt national des thèses électroniques françaises
LanguageEnglish
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0018 seconds