Etude de l'influence des occupants sur la performance énergétique des logements par le biais d'une modélisation stochastique globale
Résumé
A dwelling occupancy model is developed by integrating recent advances of the literature in the domain of stochastic modeling of occupancy, completed by statistical data from the field of social sciences, and measurement campaigns. Instead of one simulation with the conventional scenarios leading to a unique energy consumption value, a series of simulations is conducted and yields a statistical distribution. For each simulation, households are generated through a probabilistic procedure according to the dwellings' properties (house or apartment, number of rooms, location) and each occupant was defined by a set of characteristics (age, sex, employment status, etc.). These characteristics condition households' electrical appliances ownership and occupants' activities scenarios, generated through a stochastic model calibrated on data from a French Time Use Survey. The activities scenarios are used to locate the occupants inside the house, and simulate the use of electrical appliances and lighting through a precise bottom-up model. Windows openings are modeled depending on presence, indoor and outdoor conditions. The method was applied to a collective housing building located in Lyon (France). Assuming unchanged temperature setpoint, the mathematical expectation of the annual heating needs is 44 kWh/m 2 with a 4 kWh/m 2 standard deviation. In the process of energy performance guarantee, a value of 52 kWh/m 2 can be selected with a 5 % risk.
Un modèle d'occupation des logements a été développé en intégrant des avancées récentes de la littérature en termes de modèles stochastiques de présence et de comportements adaptatifs, en les articulant et en les complétant grâce à des données statistiques issues du champs des sciences sociales ou de campagnes de mesures. Tandis que la consommation énergétique d'un logement est approchée par une valeur unique lorsque le comportement des occupants est modélisé par des profils et des règles déterministes conventionnels, l'approche présentée permet d'obtenir une distribution statistique de cette grandeur par la réalisation de séries de simulations. A chaque simulation, un ménage différent est généré de manière probabiliste en fonction de propriétés du logement (maison ou appartement, nombre de pièces, localisation) et chacun des membres du ménage est défini par un ensemble de caractéristiques sociodémographiques (âge, sexe, statut d'emploi, etc.). Celles-ci conditionnent l'équipement du logement en appareils électroménagers et permettent de générer des scénarios d'activités des habitants grâce à un modèle calibré sur les résultats d'une Enquête Emploi du Temps de l'INSEE. Ces scénarios sont ensuite utilisés pour localiser les occupants à l'intérieur du logement et simuler l'utilisation des appareils électroménagers et de l'éclairage grâce à un modèle bottom-up précis. Les ouvertures des fenêtres sont également modélisées en fonction de la présence, des conditions extérieures et ambiantes. La méthode est appliquée à un bâtiment d'habitation collectif situé dans l'agglomération lyonnaise ayant subi une rénovation. En supposant que la température de consigne de chauffage n'est pas modifiée, l'espérance des besoins de chauffage annuels est de 44 kWh/m² avec un écart-type de 4 kWh/m². Dans le cadre d'un processus de garantie de performance énergétique, une valeur de 52 kWh/m² peut être assurée avec un risque de 5 %.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...