Analysis of simulation tools reliability and measurement uncertainties for Energy Efiiciency in Buildings

Le recours à la simulation est décisif dans le processus de conception d'un bâtiment neuf. Elle permet d'évaluer différentes alternatives au regard de la performance énergétique et du confort des occupants et constitue ainsi un outil d'aide à la décision incontournable. Aujourd'hui la question de la fiabilité des codes de simulation n'est pas à négliger. L'augmentation des performances énergétiques des bâtiments, pourrait mettre en défaut un certain nombre d'hypothèses de modélisation généralement admises pour les bâtiments standards du fait de la prépondérance nouvelle de phénomènes physiques jusqu'alors négligés ou mal pris en compte. Dans le même temps on s'intéresse de plus en plus à la garantie de performance qui consiste à vérifier que les performances énergétiques réelles sont bien en adéquation avec les objectifs fixés lors de la conception or il est souvent constaté des erreurs entre consommation mesurée et estimée compte tenu des incertitudes liées notamment à la mise œuvre, aux occupants et aux conditions météorologiques. L'augmentation des exigences de précision des calculs qui en résulte rend essentiel d'apprécier les incertitudes associées à ces prévisions afin d'améliorer le processus de construction et d'évaluation. Les travaux de cette thèse portent en particulier sur l'évaluation et la hiérarchisation des incertitudes sur les résultats des simulations en phase de conception. Une méthodologie a été développée basée en trois temps qui permet d'identifier les paramètres de conception les plus influents sur la performance énergétique d'un bâtiment et de rendre compte des effets de l'incertitude associée à ces paramètres sur cette même performance. La première étape consiste à identifier parmi l'ensemble des paramètres du modèle ceux qui ont une influence sur le résultat qui nous intéresse. Celle-ci est assurée au moyen d'une analyse de sensibilité locale du modèle. La deuxième étape consiste à évaluer les incertitudes associées à ces paramètres les plus influents afin de propager cette incertitude dans le code de calcul et évaluer l'incertitude sur le résultat. Cette étape est effectuée au moyen d'approches probabilistes de type Monte Carlo. Nous ajoutons une troisième étape de manière à évaluer la responsabilité de chacun des paramètres sur les incertitudes associées au résultat. Cette information est cruciale pour l'utilisateur. Cette dernière étape est traitée au moyen d'une analyse de sensibilité globale sur un jeu de paramètres réduit. Nous nous sommes appuyés sur la plateforme expérimentale INCAS située à l'INES au Bourget du Lac (73) pour identifier les incertitudes de mesure mais aussi les incertitudes dont les hypothèses de modélisation font l'objet. Cette méthodologie pourra être utilisée durant tout le processus de conception d'un bâtiment, des premières esquisses à son exploitation. En phase de conception, cette méthodologie permettra d'orienter les choix architecturaux en évitant des options dont la fiabilité des résultats est incertaine. En phase d'exploitation, elle permettra d'identifier les points de mesure les plus pertinents, afin de réduire l'incertitude des paramètres les plus influents pour effectuer un diagnostic énergétique plus fiable du bâtiment. Elle pourra aussi s'étendre aux incertitudes liées aux occupants et aux conditions météorologiques.Nowadays, simulation tools are widely used to design buildings since their energy performance is increasing. Simulation is used to predict building energy performance and to improve thermal comfort of occupants, but also to reduce the environmental impact of the building over its whole life cycle and the cost of construction and operation. Simulation becomes an essential decision support tool, but its reliability should not be ignored. Hypothesis, made 10 years ago for buildings conception, are often not adapted to the new constructions because of physical phenomena which until now were overlooked. At the same time, guarantees of energy efficiency, which aims to check if actual energy performances are matching the conception goals, are becoming important. But there are usually differences between measured and simulation data. They may be the result of mistakes and unknowns on input parameters, on schedule occupation or on weather data. Today it's important to evaluate simulation and measurement reliability and uncertainties to improve design building. This PhD work aimed to evaluate and order simulation results uncertainties during the design building process. A methodology in three steps was developed to determine influential parameters on building energy performance and to identify the influence of these parameters uncertainty on the building performance. The first step uses the local sensitivity analysis and identifies the most influential parameters on the outputs among all parameters. This step enables to reduce the number of parameters which is necessary to proceed the following steps The second step is an uncertainty analysis focuses on quantifying uncertainty in model outputs. This step is conducted with the Monte Carlo probabilistic approach. The last step uses global sensitivity analysis which is the study of how uncertainty in the output of a model can be apportioned to different sources of uncertainty in the model input. This methodology was applied to the INCAS experimental platform of the French National Institute of Solar Energy (INES) in Le-Bourget-du-Lac to identify measure uncertainties and uncertainties on simulation hypothesis. This methodology may be used during the whole building design process, from the first sketches to the operating phase. It will enable to guide the architectural and technical choices and to avoid unstable options with important uncertainty. During the exploitation stage, this methodology will allow to identify the most suitable measurement in order to reduce parameters uncertainties and consequently to get the energy diagnostic more reliable. Moreover this methodology could also be used to determine uncertainties on related to inoccupants and to weather conditions