Validation de modèles et variabilité des paramètres : analyses de sensibilité et d'incertitude-procédures d'optimisation : application à des modèles de thermique du bâtiment

Validation of models and variability of parameters : sensibility and uncertainty analysis - methods of optimisation application to the building energy field

• Auteur / Autrice : Nadia Rahni
• Direction : Yves Candau
• Type : Thèse de doctorat
• Discipline(s) : Énergétique
• Date : Soutenance en 1998
• Etablissement(s) : Paris 12

Mots clés

Mots clés contrôlés

Énergie

Thermique

Résumé

Ce travail porte sur la validation de modeles dedies a l'energetique des batiments. Il est base sur l'etude du comportement d'un modele face a la variabilite de ses parametres : les parametres etant generalement issus de mesures ou de la litterature, ils sont souvent entaches d'erreurs. L'etude s'articule autour de trois grands poles : un pole analyse de sensibilite, qui consiste a estimer, sur un resultat du modele, le poids des differents parametres lorsque ceux-ci sont sujets a des variations ; un pole analyse d'incertitude, qui permet de prendre en compte les erreurs des parametres declares influents lors de l'analyse de sensibilite, et d'assortir ainsi tout calcul d'un intervalle d'incertitude pour rendre la comparaison a l'experience plus realiste ; enfin, un pole optimisation, lequel s'attache a minimiser l'ecart observe entre une prediction et une reference, moyennant une modification optimale des parametres dans des proportions donnees. En rapport avec ces trois poles, et apres un tour d'horizon des differentes methodes rencontrees, une presentation theorique des outils selectionnes pour ce travail est fournie. Ces outils sont ensuite appliques a trois modeles d'enveloppe du batiment, pour : (1) cibler les parametres generateurs d'erreur en sortie des modeles, donc a connaitre avec le maximum de precision ; (2) quantifier la precision a attendre sur les predictions des modeles, compte tenu d'un niveau de connaissance donne des parametres ; (3) proposer une amelioration des modeles, en identifiant les valeurs des parametres qui reduisent au mieux les defauts de modelisation.