75 4.3 Application numérique des mesures expérimentales
4.3.1 Bilan énergétique
Dans le modèle numérique développé précédemment pour la simulation énergétique de bâtiments, la technologie de fenestration vient influencer le bilan énergétique en ce qui concerne :
1. Le bilan radiatif solaire
2. Les gains thermiques à l'intérieur du vitrage
Le bilan radiatif solaire correspond au bilan énergétique considérant la quantité de rayonnement solaire ayant pénétré dans le bâtiment. Dans la Fig. 3.2, le bilan radiatif solaire est représenté par les trois sources de chaleurs suivantes, QSOiar.giazing, Qsoiar.waiis, Qsoiar.tioor- La détermination de ces trois sources de chaleur nécessite la quantité de chaleur solaire ayant pénétré le bâtiment. Pour trouver cette quantité, il suffit simplement de déterminer le coefficient de transmission selon la méthodologie décrite la section 4.2.4 en fonction de l'angle d'incidence solaire puis de multiplier ce terme par la puissance radiative solaire incidente sur la fenestration.
En ce qui concerne les gains thermiques à l'intérieur du vitrage, il s'agit de la quantité d'énergie solaire absorbée par les différentes couches de ce dernier. Dans la
76
modélisation numérique, cette contribution est représentée par les sources Qsoi,_bsi et Qsoi,abs27 présentées dans les équations 3.1 et 3.2, où Qsoi,absi et Qsoi,abs2 sont données par
Qsoi,b.,,=G-Astilahs] (4.18)
Q,,i,ib,2=G-Astiliihs2 (4.19)
Pour trouver ces termes de chaleur absorbée dans chacun des verres du vitrage, il faut donc déterminer les coefficients d'absorption de chaque vitrage AsiilahA et Asolabs2.
Ayant mesuré la transmission et la réflexion globale pour un vitrage selon la méthodologie de la section 4.2.4, il est donc possible de déduire la valeur d'absorption globale de ce dernier selon :
K,ia,e = ^-(Tsllllir£ + Rsalar,e) (4.20)
Toutefois, cette valeur d'absorption comprend la somme des absorptions de chaque couche, i.e. verre extérieur incluant le filtre à opacité variable et verre intérieur. En d'autres mots,
^solar.6 = Aoi._*_l + ™sol,abs2 (^.2 1 )
Afin de répartir l'absorption solaire totale entre les deux couches de verre, une approximation pour Am/<l(,j2 devra être faite. En effet, Asol ahs2 varie entre 0% et 5% pour un filtre à opacité variable totalement opaque ou totalement clair, respectivement (résultats obtenus dans IGDB). Étant donné ces faibles valeurs en tout temps, il est donc raisonnable de linéariser l'absorption dans le verre intérieur de manière à obtenir les approximations suivantes :
77
AJO,,flte2=0.05-0.05y (4.23)
avec y=0 pour l'état le plus clair et y=l pour l'état le plus foncé et une variation linéaire pour les états intermédiaires proportionnelle à la différence d'absorption entre les états extrêmes :
r__A______ (4.24)
Pour éviter cette linéarisation, d'autres mesures expérimentales devraient être faites sur le filtre uniquement et combinées aux relations de Fresnel afin de retrouver les propriétés totales de l'échantillon.
4.3.2 Bilan lumineux
Dans la modélisation numérique de la consommation énergétique des bâtiments, la consommation liée à l'éclairage artificiel est considérée. Pour tenir compte de ce paramètre tout en le minimisant, il est nécessaire de connaître la quantité de lumière naturelle solaire sur le plan de travail afin de bien contrôler la quantité de lumière artificielle nécessaire pour obtenir une luminosité minimale (par exemple, 400 lx). La lumière naturelle solaire est toutefois influencée par les propriétés du vitrage installé sur le bâtiment. Dans ce contexte, les résultats expérimentaux de transmission de la lumière visible obtenus selon la méthode présentée à la section 4.2.2 permettront de réaliser la première étape (étape 1 de la section 3.3.1) du processus de détermination de la luminosité sur le plan de travail.
4.3.3 Consommation électrique de la technologie de fenestration
Tel que mentionné à la section 3.6, les simulations énergétiques réalisées dans le cadre des recherches présentées dans ce mémoire ne considèrent pas la consommation électrique de la technologie de fenestration intelligente dans le bilan énergétique. La raison qui a été soulevée est que cette consommation est très faible comparativement aux
78 autres charges (chauffage, climatisation et éclairage) dans le cas des fenêtres électrochromiques (technologie modélisée dans les simulations). Cette hypothèse a d'ailleurs été vérifiée et validée à l'aide des résultats expérimentaux présentés à la section 4.2.5 pour l'échantillon de fenêtre électrochromique de Sage Electrochromics®.
Toutefois, différentes technologies émergentes de fenêtre intelligente pourraient nécessiter une puissance électrique plus considérable. Jusqu'à présent, les fenêtres intelligentes à cristaux liquides constituent un bon exemple de technologie nécessitant des puissances plus élevées [7], et ce, en continu. Bien qu'il soit souhaitable d'intégrer une technologie qui consomme peu, une technologie plus énergivore pourrait tout de même être une alternative viable au point de vue de la consommation énergétique globale du bâtiment. Dans ce dernier cas, la consommation d'électricité de la technologie devra toutefois être considérée, puisqu'elle risque d'influencer la stratégie d'optimisation.
Dans le modèle numérique, la consommation d'électricité liée à la technologie s'insère dans l'équation 3.8 à l'aide la courbe de puissance expérimentale Pe(t,t') présentée à la figure 4.16c : Cost = Ecost M =48 <t=l •t'=E__ \ f = hPe(t,f)df * ( t ) + QHVAC + 3600 \ At J (4.25) i
où t correspond au pas de temps en heure dans le bilan énergétique du bâtiment (Section 3.5) et t' au temps de transition entre les états en seconde (Section 4.2.5). Dans l'Éq. 4.25, le terme 3600 est un facteur de conversion d'unités (seconde en heure). De plus, la transition pour une heure donnée t se passe entre les états Ea et Eb. Enfin, par souci de précision, le terme QHVAC de l'Éq. 4.25 considère les charges de chauffage et de
79 4.4 Discussions
Dans ce chapitre, une méthode expérimentale a été présentée dans le but de caractériser d'éventuels prototypes de fenêtre intelligente. Pour ce faire, des mesures expérimentales ont été faites sur un échantillon de fenêtre intelligente dont les propriétés optiques sont déjà disponibles dans les banques de données. La comparaison entre les valeurs expérimentales obtenues et les valeurs de référence des bases de données a permis de valider la méthodologie utilisée. De plus, l'expérimentation a permis de réaliser que la précision et la justesse des procédées de fabrication ainsi que des modules de contrôle de fenêtre intelligente impliquent une erreur aléatoire sur les résultats obtenus. Par ailleurs, la méthode d'extrapolation des propriétés optiques nécessaires à la modélisation numérique s'est avérée donner des résultats semblables aux valeurs de référence. Toutefois, les hypothèses liées à cette méthode limiteraient les technologies aux fenêtres intelligentes à large bande. Dans l'éventualité de la caractérisation de technologie à bande étroite, la prise de mesures expérimentales avec une lampe solaire serait plus appropriée.
Suite à l'obtention des résultats expérimentaux, la dernière section de ce chapitre montre les différentes relations entre les mesures prises et les propriétés nécessaires pour la simulation énergétique d'un bâtiment. Les travaux faits en parallèle sur les plans expérimentaux et numériques ont donc permis le développement d'une méthodologie et d'un outils permettant l'évaluation du potentiel de nouveaux prototypes de fenêtre intelligente à réduire la consommation énergétique des bâtiments. Cette nouvelle façon de faire permettra de réduire les coûts liés au développement de produits de fenêtre intelligente puisqu'elle minimise la démonstration expérimentale et accélère le processus d'optimisation.
Chapitre 5 Conclusion
Les travaux présentés dans ce mémoire et réalisés dans le cadre des activités de recherche à la maîtrise ont permis d'atteindre l'objectif de recherche principal qui était d'évaluer le potentiel des technologies de fenestration intelligente quant à l'amélioration du rendement énergétique des bâtiments en ce qui concerne leurs charges de chauffage et de climatisation. Pour ce faire, les travaux de recherche ont été scindés en trois parties qui ont permis de réaliser les objectifs secondaires. Ces parties comprennent les résultats d'un modèle de bâtiment intégrant une technologie de fenêtre intelligente, puis l'amélioration du modèle avec l'intégration d'une stratégie d'optimisation des performances énergétiques, et, le développement d'une méthodologie expérimentale de caractérisation des propriétés optiques des fenêtres intelligentes dans le but d'intégrer ces propriétés dans les stratégies d'optimisation numériques.
Afin d'évaluer les performances énergétiques des fenêtres intelligentes, un modèle de bâtiment pouvant intégrer une technologie de fenêtre intelligente a été développé. Ce modèle a tout d'abord été validé avec un logiciel commercial largement utilisé dans l'industrie. Une fois le modèle validé, l'évaluation sommaire des performances
81 énergétiques des fenêtres intelligentes a été menée pour une semaine typique par saison avec un mur vitré face au sud. Les résultats montrèrent qu'on peut s'attendre, en optimisant les propriétés du vitrage intelligent, à des réductions de consommation d'énergie de l'ordre de 20% en hiver et 40% en été comparativement à un vitrage double clair. Cette étude, ayant fait l'objet d'un article de conférence, a donc confirmé la nécessité d'approfondir les recherches dans ce domaine afin d'évaluer plus précisément les retombées potentielles liées à l'intégration de ce genre de technologies dans les bâtiments.
Suite aux travaux réalisés et présentés dans le cadre de l'article de conférence, le modèle de bâtiment a été amélioré à différents niveaux. Premièrement, un modèle de lumière naturelle solaire beaucoup plus sophistiqué a été implémenté dans le modèle original. En second lieu, l'algorithme développé pour la distribution lumineuse de la lumière naturelle à l'intérieur du bâtiment a aussi été adapté afin de modéliser précisément l'influence sur le bilan énergétique de la lumière artificielle au plafond. Enfin, afin de réduire le temps de calcul et de manière à augmenter l'exactitude des résultats, une stratégie d'optimisation des propriétés optiques sur une base annuelle a été développée et intégrée au modèle. Les résultats, obtenus pour quatre orientations du mur vitré, i.e. nord, est, sud et ouest, ont montrés que les fenêtres intelligentes pouvaient potentiellement augmenter les performances énergétiques d'un bâtiment dans un climat tempéré. En comparant les fenêtres intelligentes avec les meilleurs produits passifs actuellement disponibles sur le marché, ces améliorations sont toutefois limitées aux façades est, sud et ouest avec des améliorations, respectivement, de l'ordre de 8% à 52%,
10% à 52% et 11% à 51%. Pour la façade nord, bien que les fenêtres intelligentes soient plus performantes que certaines unités scellées passives, un travail de développement doit être fait auprès de leurs propriétés radiatives afin d'améliorer leur valeur de résistance thermique. De plus, une analyse économique a démontré que le recours aux fenêtres intelligentes pour les façades sud et ouest dans un climat tempéré présente la meilleure combinaison de performances énergétiques et de retour sur investissement. Ces nouveaux résultats, ayant fait l'objet d'un article de journal scientifique, évaluent dont beaucoup plus précisément le potentiel des fenêtres intelligentes dans les bâtiments. Les limites de
82 cette recherche comprennent un modèle de ciel uniforme, une température intérieure constante tout au long de l'année, un horaire d'occupation simplifié et un système d'éclairage peu performant qui ne considère pas les « balast and standby losses ». Ces limites peuvent affecter les résultats et des recherches approfondies sur le sujet devraient être menées pour obtenir des résultats plus précis.
Suite au développement d'un modèle numérique de bâtiment, une méthodologie expérimentale de caractérisation des propriétés optiques de nouvelles technologies de fenêtre intelligente a été présentée et validée dans le but d'intégrer les propriétés mesurées dans le modèle numérique. Cette méthodologie a consisté en la prise de mesures angulaires dans le spectre visible et spectrales à incidence normale, puis à l'extrapolation des résultats angulaires équivalents pour le spectre solaire. L'étape de l'extrapolation a nécessité de poser des hypothèses qui ont initialement été validées théoriquement et à l'aide de données réelles provenant de banques de données. La méthodologie proposée permettra donc de minimiser les étapes de prises de mesures expérimentales et d'intégrer numériquement des propriétés optiques représentatives de produits existants. La combinaison des procédés numériques et expérimentaux optimisera donc le processus de R&D de développement de technologies de fenêtre intelligente à haut rendement énergétique.
Dans le cadre de ce mémoire, plusieurs considérations ont été abordées sans toutefois qu'une évaluation exhaustive ait été faites sur leur impact respectif. Parmi celles-ci, l'effet de la masse thermique, de la localisation et des gains internes pourraient avoir de l'importance sur les stratégies de conception à considérer. Effectivement, il a été montré que la masse thermique pouvait avoir une influence sur les façades les plus adéquates à l'intégration de la masse thermique. Toutefois, des recherches plus poussées sur le sujet pourrait faire ressortir des liens plus complexes entre la masse thermique, la localisation et les gains internes par rapport à la conception optimale intégrant les fenêtres intelligentes.
S3 De plus, puisque l'aspect de confort prend davantage de place de nos jours dans la conception des bâtiments, il serait intéressant de jumeler les résultats obtenus dans le cadre de ce mémoire avec des recherches faites en lien avec les différents types de confort liées à la fenestration, i.e. confort thermique [40], confort visuel [41 [ et aspects physiologiques [42].
S4
Bibliographie
11 ] A. M. Orner, "Renewable building energy systems and passive human comfort solutions," Renewable and Sustainable Energy Reviews, vol. 12, no. 6, pp. 1562-87, 2008.
[2] M. M. Aboulnaga, "Towards green buildings: Glass as a building element - The use and misuse in the gulf region," Renewable Energy, vol. 31, no. 5, pp. 631-653, 2006.
[3] A. S. Bahaj, P. A. B. James, and M. F. Jentsch, "Potential of emerging glazing
technologies for highly glazed buildings in hot arid climates," Energy and
Buildings, vol. 40, no. 5, pp. 720-31, 2008.
[4] J. M. Schultz and K. I. Jensen, "Evacuated aerogel glazings," Vacuum, vol. 82, no. 7, pp. 723-9, Mar. 2008.
[5] T. T. Chow, K. F. Fong, W. He. Z. Lin, and A. L. S. Chan, "Performance evaluation of a PV ventilated window applying to office building of Hong Kong," Energy and Buildings, vol. 39, no. 6, pp. 643-50, Jun. 2007.
[6] M. N. Assimakopoulos, A. Tsangrassoulis, M. Santamouris, and G. Guarracino, "Comparing the energy performance of an electrochromic window under various control strategies," Building and Environment, vol. 42, no. 8, pp. 2829-2834, 2007. [7] D. J. Gardiner, S. M. Morris, and H. J. Coles, "High-efficiency multistable
switchable glazing using smectic A liquid crystals," Solar Energy Materials and
Solar Cells, vol. 93, no. 3, pp. 301-6, Mar. 2009.
[8] I-Hui Lee, Yu-Ching Chao, Chih-Cheng Hsu, Liang-Chao Chang, Tien-Lung Chiu, Jiunn-Yih Lee, Fu-Jen Kao, Chih-Kung Lee, and Jiun-Haw Lee, "Smart windows
with functions of reflective display and indoor temperature-control," in Emerging
Liquid Crystal Technologies V, 25-27 Jan. 2010, USA, 2010, vol. 7618, p. 761816 (7 pp.).
[9] D. Cupelli, F. P. Nicoletta, S. Manfredi, G. De Filpo, and G. Chidichimo, "Electrically switchable chromogenic materials for external glazing," Solar Energy- Materials and Solar Cells, vol. 93, no. 3, pp. 329-33, Mar. 2009.
[10] H. R. Wilson and W. Eck, "Transmission variation using scattering/transparent switching films," Solar Energy Materials and Solar Cells, vol. 31, no. 2, pp. 197— 214, 1993.
[11] S. E. Rudolph, J. Dieckmann, and J. Brodrick, "Technologies for smart windows," ASHRAE Journal, vol. 51, no. 7, pp. 104-106, 2009.
[12] A. Arnault, "Simulation et optimisation de l'intégration de matériaux à changement de phase dans une zone thermique," Université Laval, Université Laval, Québec, 2012.
[13] A. Piccolo, "Thermal performance of an electrochromic smart window tested in an environmental test cell," Energy and Buildings, vol. 42, no. 9, pp. 1409-17, Sep. 2010.
[14] C. G. Granqvist, P. C. Lansaker, N. R. Mlyuka, G. A. Niklasson, and E. Avendano, "Progress in chromogenics: new results for electrochromic and thermochromic materials and devices," Solar Energy Materials and Solar Cells, vol. 93, no. 12, pp. 2032-9, Dec. 2009.
85 [15] Sucheol Park and Jin Who Hong, "Polymer dispersed liquid crystal film for
variable-transparency glazing," Thin Solid Films, vol. 517, no. 10, pp. 3183-6. Mar. 2009.
[16] A. Jonsson and A. Roos, "Evaluation of control strategies for different smart window combinations using computer simulations," Solar Energy, vol. 84, no. 1, pp. 1-9,2010.
[17] B. J. Urban, "The MIT Design Advisor: Simple and Rapid Energy Simulation of Early-Stage Building Designs," Master of Science in Mechanical Engineering,
Massachusetts Institute of Technology. 2007.
[18] F. C. McQuiston. J. D. Parker, and J. D. Spitler, Heating, Ventilating and Air
Conditioning: Analysis and Design, 6th ed. Wiley, 2004.
[19] A. De Rosa, V. Ferraro, D. Kaliakatsos, and V. Marinelli, "Simplified correlations of global, direct and diffuse luminous efficacy on horizontal and vertical surfaces,"
Energy and Buildings, vol. 40, no. 11, pp. 1991-2001, 2008.
[20] S. E. Selkowitz, "Thermal performance of insulations window systems," ASHRAE
Transactions, vol. 85, no. Pt 2, pp. 669-685, 1979.
[21] P. A. Sabatiuk, "Review of gas-filled window technology: Summary report," in
Proceedings of the ASHRAE/DOE Conference - Thermal Performance of the
Exterior Envelopes of Buildings 2., Las Vegas, NV, USA, 1983, pp. 643-653.
[22] A.-S. A.M., "Thin film coated energy-efficient glass windows for warm climates," Desalination, vol. 209, no. 1-3, pp. 290-297, Apr. 2007.
[23] R. Clark, "The world beyond low-e," Glass Digest, vol. 81, no. 12, pp. 20-24,
2002.
[24] J. Ebisawa and E. Ando, "Solar control coating on glass," Current Opinion in Solid
State and Materials Science, vol. 3, no. 4, pp. 386-390, Aug. 1998.
[25] A. Voeltzel, F. R. Carrie, and G. Guarracino, "Thermal and ventilation modelling of large highly-glazed spaces," Energy and Buildings, vol. 33, no. 2, pp. 121-132, 2001.
[26] C.-A. Graubner and K. Reiche, "Sustainable development in the building industry -
an analysis and assessment tool for design of disassembly," in Environmentally
Concious Manufacturing, November 6, 2000 - November 8, 2000, Boston, MA, United states, 2001, vol. 4193, pp. 372-381.
[27] K. A. R. Ismail, C. T. Salinas, and J. R. Henriquez, "A comparative study of
naturally ventilated and gas filled windows for hot climates," Energy Conversion
and Management, vol. 50, no. 7, pp. 1691-703, Jul. 2009.
[28] R. Baetens, B. P. Jelle, and A. Gustavsen, "Properties, requirements and possibilities of smart windows for dynamic daylight and solar energy control in buildings: a state-of-the-art review," Solar Energy Materials and Solar Cells, vol. 94, no. 2, pp. 87-105, Feb. 2010.
[29] M. Yoshino, N. Nakada, T. Mori, K. Yamagishi, S. Yoshida, Y. Higashi, and K. Shirasawa, "Photovoltaic modules integrated with a metal curtain wall," in
Proceedings of 1994 IEEE 1st World Conference on Photovoltaic Energy- Conversion - WCPEC (A Joint Conference of PVSC, PVSEC and PSEC), 5-9 Dec.
1994, New York, NY, USA, 1994, vol. vol.l, pp. 969-72.
[30] Kwang-Soon Ahn, Sung Jong Yoo, Moon-Sung Kang, Ji-Won Lee, and Yung-Eun Sung, "Tandem dye-sensitized solar cell-powered electrochromic devices for the
86
photovoltaic-powered smart window," Journal of Power Sources, vol. 168, no. 2, pp. 533-6, Jun. 2007.
[311 C. . Granqvist, A. Azens, A. Hjelm, L. Kuilman, G. . Niklasson, D. Ronnow, M. Str0mme Mattsson, M. Veszelei, and G. Vaivars, "Recent advances in electrochromics for smart windows applications," Solar Energy, vol. 63, no. 4, pp.
199-216, Oct. 1998.
[321 A. Kraft and M. Rottmann, "Properties, performance and current status of the
laminated electrochromic glass of Gesimat," Solar Energy Materials and Solar
Cells, vol. 93, no. 12, pp. 2088-2092, Dec. 2009.
[33] D. Cupelli, F. P. Nicoletta, S. Manfredi, M. Vivacqua, P. Formoso, G. De Filpo, and G. Chidichimo, "Self-adjusting smart windows based on polymer-dispersed liquid crystals," Solar Energy Materials and Solar Cells, vol. 93, no. 11, pp. 2008- 2012, Nov. 2009.
[34] S. E. Selkowitz, M. Rubin, E. S. Lee, and R. Sullivan, "Electrochromic window
performance factors," Proceedings of SPIE - The International Society for Optical
Engineering, vol. 2255, pp. 226-248, 1994.
[35] M. F. Modest, Radiative Heat Transfer, Second Edition, 2nd ed. Academic Press, 2003.
[36] A. Jonsson and A. Roos, "Visual and energy performance of switchable windows with antireflection coatings," Solar Energy, vol. 84, no. 8, pp. 1370-1375, Aug. 2010.
[37] M. A. Lehar and L. R. Glicksman, "Rapid algorithm for modeling daylight distributions in office buildings," Building and Environment, vol. 42, no. 8, pp. 2908-2919,2007.
[38] F. C. Winkelmann and S. Selkowitz, "DAYLIGHTING SIMULATION IN THE
DOE-2 BUILDING ENERGY ANALYSIS PROGRAM.," Energy and Buildings, vol. 8, no. 4, pp. 271-286, 1985.
[39] C. M. Lampert, "Large-area smart glass and integrated photovoltaics." Solar
Energy Materials and Solar Cells, vol. 76, no. 4, pp. 489-499, Apr. 2003.
[40] P. R. Lyons, D. Arasteh, and C. Huizenga, "Window performance for human
thermal comfort," in 2000 ASHRAE Winter Meeting, Febrary 5, 2000 - Febrary 9,
2000, Dallas, TX, USA, 2000, vol. 106, p. PA/.
[41] C. E. Ochoa, M. B. C. Aries, E. J. van Loenen, and J. L. M. Hensen, "Considerations on design optimization criteria for windows providing low energy consumption and high visual comfort," Applied Energy, vol. 95, pp. 238-245, 2012. [42] M.-C. Dubois, F. Cantin, and K. Johnsen, "The effect of coated glazing on visual
perception: A pilot study using scale models," Lighting Research and Technology,
vol. 39, no. 3, pp. 283-304, 2007.
[43] R. A. Synowicki, B. D. Johs, and A. C. Martin, "Optical properties of soda-lime float glass from spectroscopic ellipsometry," Thin Solid Films, vol. 519, no. 9, pp.
Annexes
Algorithme Matlab 1: Modélisation
Modélisation énergétique d'un bâtiment avec fenestration intelligente .BuildingEnergyBalance .m
%Auteur: Jean-Michel t
%Date: avril 2012 ernière révision IRésumé :
ne calcule pour une année :e la charge totale à
heure que le système de ■', ventilation et de
.climatisation (HVAC) doit .t pour garder la
.température intérieur à une valeur cor. de 20°C. Le bâtiment %modélisé comprend un mur extérieur complètement vitré double vitrage), %trois murs intérieurs ainsi qu'un plafond, tous isolés et adiabatiques, %et un plancher de béton agissant en tant que masse thermique.
.Fonction :
[QHVAC, QHVACMoyenMensuel, Fu] =BuildingEnergyBalance ( Structure, alpha,... SystEclairage,WPStrategy)
-Variables d'entrée et de sortie de l'algorithme
% Variables d'entrée
% Structure : Il s'agit d'une structure comprenant les valeurs d'entrée -suivantes : Hauteur de la pièce, [m] Largeur de la pièce, [m] Profondeur de la pièce, [m]