Study and enhancement of Bayesian calibration applied to building energy models - PASTEL - Thèses en ligne de ParisTech Accéder directement au contenu
Thèse Année : 2022

Study and enhancement of Bayesian calibration applied to building energy models

Etude et amélioration de l'application de calibrage bayésien dans les modèles énergétiques du bâtiment

Samih Akkari
  • Fonction : Auteur
  • PersonId : 1249284
  • IdRef : 269276424

Résumé

Dynamic building energy simulation models are essential to analyse the energy performance of building renovation or new construction projects. However, these models are characterised by some degree of uncertainty and they could show poor fit to measured observations. Thus, calibration and uncertainty propagation have received an increasing attention in the field of building energy simulation. In this thesis, different Bayesian calibration methods are selected from literature and assessed in terms of accuracy and computational efficiency. A new method that is computationally faster than the ones found in literature is proposed and tested on virtual data. A detailed comparison between sensitivity analysis methods is conducted in terms of robustness, accuracy and computational efficiency using Sobol method as the reference method. Additionally, an identifiability analysis based on the sensitivity results is applied to rank the parameters not only in terms of importance but also to account for possible interactions. The effect of this step is evaluated in terms of calibration performance. Moreover, the choice of the number of parameters for calibration is studied on a virtual case study following an appropriate methodology. Finally, a real case study corresponding to real monitored data is used to check the findings of this thesis.
Les outils de simulation énergétique dynamique des bâtiments sont essentiels pour analyser la performance de projets de rénovation ou de construction neuve. Cependant, ces modèles sont caractérisés par un degré d'incertitude et un biais est généralement constaté par rapport aux observations mesurées. Ainsi, le calibrage des modèles et la propagation des incertitudes ont reçu une attention croissante dans le domaine de la simulation énergétique des bâtiments. Dans cette thèse, différentes méthodes bayésiennes sont sélectionnées dans la littérature et évaluées en termes de précision et d'efficacité de calcul. Une nouvelle méthode plus rapide en termes de calcul que celles trouvées dans la littérature est également proposée et testée sur des données virtuelles. Une comparaison détaillée entre des méthodes d’analyse de sensibilité est effectuée en termes de robustesse, de précision et d'efficacité de calcul. De plus, une analyse d'identifiabilité basée sur les résultats de sensibilité est menée pour classer les paramètres non seulement en termes d'importance mais aussi pour tenir compte d’éventuelles interactions. L'effet de cette étape est évalué en termes de performance du calibrage. De plus, le choix du nombre de paramètres pour le calibrage est étudié sur une étude de cas virtuelle suivant une méthodologie appropriée. Enfin, une étude de cas réel correspondant à des données réelles monitorées est utilisée pour vérifier les conclusions de cette thèse.
Fichier principal
Vignette du fichier
2022UPSLM076_archivage.pdf (4.26 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-04077245 , version 1 (21-04-2023)

Identifiants

  • HAL Id : tel-04077245 , version 1

Citer

Samih Akkari. Study and enhancement of Bayesian calibration applied to building energy models. Electric power. Université Paris sciences et lettres, 2022. English. ⟨NNT : 2022UPSLM076⟩. ⟨tel-04077245⟩
126 Consultations
38 Téléchargements

Partager

Gmail Facebook X LinkedIn More