Analyse des hypothèses de la simulation énergétique

Dans cette partie, nous analysons les hypothèses concernant les données météorologiques.

Lors de cet exercice, certains résultats présentent des valeurs aberrantes liées à des locaux « mal » paramétrés (surface déperditive très petite). Les bâtiments concernés sont peu nombreux (environ 2-3% de l’échantillon) et n’ont pas d’impact important sur la consommation à l’échelle du parc grâce à la limite de puissance (ou puissance maximale) de chauffage et de climatisation. Après la suppression de ces bâtiments dans le parc reconstitué, la consommation du parc ne subit pas une variation importante (moins de 1%). Rappelons que les puissances sont calculées avant la simulation, lors de l’enrichissement des données des systèmes. L’erreur détectée sera éliminée dans la prochaine version de SmartE. Dans notre première simulation de la région Île-de-France, les données météorologiques employées sont les données météorologiques moyennées de MeteoNorm. Or, les usages thermiques comme le chauffage et la climatisation sont très sensibles aux variations fortes telles que des canicules avec des pics de chaleur en été, et/ou un hiver plus froid et plus long. Dans cette décennie, la température en été en France est marquée par des épisodes caniculaires entre 2015 et 2020. Nous réalisons donc une simulation selon 3 variantes météorologiques (SCM) :

- SCM 1 : Une année correspondant au climat normal

- SCM 2 : Une année qui comporte un été chaud et un hiver froid - SCM 3 : Une année qui comporte un été chaud et un hiver chaud

Notons que pour les besoins de ces simulations, « l’été » est compris entre le 1er Juin et le 31 Août, et « l’hiver » entre le 21 décembre et le 20 Mars.

Le SCM 1 correspond aux données d’origine de MeteoNorm, tandis que les SCM 2 et 3 sont créés en modifiant le SCM1 de manière suivante :

• SCM 2 : Les flux solaires direct et diffus, la température extérieure et la température d’eau sont augmentés de 20 % (de leurs valeurs absolues) en été et diminués de 20 % (de leurs valeurs absolues) en hiver.

• SCM 3 : Les flux solaires direct et diffus, la température extérieure et la température d’eau sont augmentés de 20 % (de leurs valeurs absolues) en été et en hiver.

Les SCM sont comparés aux données météorologiques de Paris en 2018 et 2019, issues de la station Paris-Montsouris disponibles sur Infoclimat.fr [72]. Dans le Tableau 42, nous comparons les DJU (Degrés Jours Unifiés) annuels des données de mesure et des SCM. Les DJU se calculent selon la formule suivante :

DJU(chauffage) = ^{Tmin jour+ Tmax jour}

2 ^{− TIR}

DJU(climatisation) = T_IR− ^{Tmin jour+ Tmax jour} 2

Avec :

TIR : Température intérieure de référence Tmin jour : Température minimale du jour Tmax jour : Température maximale du jour

123 Paris Infoclimat (2018) Infoclimat (2019) SCM 1 (MeteoNorm) SCM 2 SCM 3 DJU annuels (chauffage) K 2048 2067 2684 2690 2494 DJU annuels (climatisation) K 591 476 141 376 376

Tableau 42: Comparaison des données météorologiques de Paris et nos scénarios de simulation – DJU

Nous observons que les DJU annuels (chauffage) du SCM 2 sont très proches de ceux du SCM 1 malgré un hiver plus froid. Cela est dû au fait que l’augmentation de la température en été dans le SCM 2 compense la baisse des DJU (chauffage) en hiver. Si nous ne conservons pas l’augmentation de température en été du SCM 2 (par rapport au SCM 1), les DJU annuels (chauffage) sont donc de 2786 K.

Le Tableau 43 montre la comparaison de la température extérieure des trois scénarios et les données de mesure de la station Paris-Montsouris (Infoclimat.fr [72]). Par rapport au SCM 1 dont la température moyenne annuelle est de 11.2°C, celles des SCM 2 et 3 sont respectivement 0.7°C et 1.2°C supérieures. La station météorologique de Paris-Montsouris enregistre une température moyenne annuelle de 13.8°C en 2018 et de 13.6°C en 2019. En première approximation, les températures du SCM 3 seraient plus proches des années 2018 et 2019 que les autres scénarios.

Paris Température en °C Infoclimat (2018) Infoclimat (2019) SCM 1 (MeteoNorm) SCM 2 SCM 3

Hiver Décembre Moyenne 8 8 5 4 6

Maximale 16 15 15 12 18 Minimale -2 -1 -5 -6 -4 Janvier Moyenne 8 5 4 3 5 Maximale 15 12 14 11 17 Minimale 2 -2 -7 -8 -6 Février Moyenne 3 8 4 3 5 Maximale 11 20 14 11 17 Minimale -7 -1 -6 -7 -5 Mars Moyenne 8 11 7 6 8 Maximale 19 22 19 15 23 Minimale -4 4 -3 -4 -2 Été Juin Moyenne 20 21 16 19 19 Maximale 33 37 31 37 37 Minimale 11 10 6 7 7 Juillet Moyenne 24 23 19 23 23 Maximale 27 43 32 38 38 Minimale 15 13 8 10 10 Août Moyenne 22 22 19 23 23 Maximale 27 33 32 38 38 Minimale 10 12 8 10 10

124 Ces scénarios sont ensuite utilisés dans la simulation du parc tertiaire francilien20, dont les données de la consommation énergétique sont déjà présentées précédemment. Dans la Figure 75, nous constatons que par rapport au SCM 1, la consommation annuelle du parc augmente de 1% dans le SCM 2 et diminue de 3% dans le SCM 1.

Figure 75: Comparaison des résultats de simulation des SCM – consommation totale annuelle du parc francilien

La Figure 76 montre la comparaison de la consommation de chauffage et de climatisation selon nos 3 scénarios. Nous constatons que l’augmentation de consommation totale du SCM 2 par rapport au SMC 1 est due surtout à l’augmentation de la consommation de climatisation. Rappelons-nous que les DJU annuels (chauffage) du SCM 2 sont très similaires au SCM 1 à cause de la compensation de la baisse de la température en hiver par la hausse en été.

Figure 76: Comparaison des résultats de simulation des SCM –consommation annuelle de chauffage et de climatisation du parc francilien

Dans le SCM 3, la diminution de la consommation totale est principalement liée à celle du chauffage, Bien que la consommation de climatisation soit augmentée (du même ordre de grandeur que le SCM 2), la consommation totale baisse sensiblement car le chauffage a une part prépondérante dans la

20 Les caractéristiques du parc ne changent pas par rapport à la première simulation 45 46 47 48 49 50 51 52 53 54 55 SCM 1 SCM 2 SCM 3

Nos simulations (Parc reconsitué à l'année de référence 2015)

TWh

125 consommation. Nous constatons que le besoin de climatisation dans le SCM 3 est légèrement plus élevé que le SCM 2, ce qui s’explique par la climatisation permanente des datacenters due à la hausse de température en période hivernale.

En résumé, le modèle se comporte de manière cohérente en fonction de la variation des conditions météorologiques. Ces résultats montrent aussi l’importance du paramétrage des systèmes (taux d’équipement et dimensionnement), via l’exemple du besoin et de la consommation de chauffage.

126