Évènements

24 Nov
24/11/2020 14:00

Sciences & Société

Soutenance de thèse : Liviu Andrei NEGREA

Soutenance d'une thèse de doctorat de l’Université de Lyon en cotutelle internationale entre l’Université Politehnica de Bucarest, (Bucarest, Roumanie) et l’INSA Lyon

Contributions sur l'utilisation de l'intelligence artificielle pour optimiser la performance énergétique des bâtiments

Doctorant : Liviu Andrei NEGREA

Laboratoire INSA : CETHIL

Ecole doctorale : ED162 : Mécanique, Energétique, Génie Civil, Acoustique de Lyon

La consommation d’énergie est devenue l’un des principaux problèmes d’urbanisation et de crise énergétique, car l’épuisement des combustibles fossiles et le réchauffement climatique mettent en péril l’utilisation de l’énergie des plantes. Dans cette thèse, une méthode d’économie d’énergie a été adoptée afin de réduire la consommation d’énergie dans le secteur résidentiel et les maisons passives. Un modèle mathématique basé sur des mesures expérimentales a été développé pour simuler le comportement d’un laboratoire d’essai de l’UPB. Le protocole a été réalisé à la suite d’actions telles que : la construction de bases de données sur les paramètres, la collecte de données météorologiques, l’apport de flux auxiliaires tout en considérant le comportement humain. L’algorithme de contrôle-commande du système est capable de maintenir une température constante à l’intérieur du bâtiment avec une consommation minimale d’énergie. Les mesures et l’acquisition de données ont été configurées à deux niveaux différents : les données météorologiques et les données sur les bâtiments. La collection de données est faite sur un serveur qui a été mis en œuvre dans l’installation de test en cours d’exécution d’un algorithme complexe qui peut fournir les prédictions sur la consommation d’énergie pendant 30 jours à l’avance. La thèse rapporte plusieurs méthodes numériques pour estimer la consommation d’énergie qui est encore utilisée avec l’algorithme de contrôle. L’estimation des paramètres R-C avec la prévision du flux de chaleur a été faite en utilisant la méthode nodal, basée sur des éléments physiques, des données d’entrée et des informations météorologiques. La prévision de la consommation d’énergie à l’aide de la modélisation de l’espace d’État montre des résultats améliorés tandis que la collecte de données IoT a été téléchargée sur une carte à base de système de tarte aux framboises. Tous ces résultats ont été stables montrant des progrès impressionnants dans la prévision de la consommation d’énergie.