1.1 Coefficients de l’´equation 1.9 . . . 27 2.1 Coefficients de la RT en fonction de la zone climatique et de l’altitude . . . 36 2.2 R´ecapitulatif des indicateurs thermiques sur le site de Campo dell’Oro (´et´e 2011) 48 2.3 Coefficient α en fonction de la nature du terrain . . . 49 2.4 CCP pour diff´erents sites du littoral corse . . . 54 2.5 Longueurs de rugosit´e [Win] . . . 68 2.6 Coefficientsk etα en fonction de la nature du terrain . . . 69 2.7 Param`etres de la couche limite atmosph´erique . . . 69 3.1 An´emom`etres `a ultrason WMT52 . . . 80 3.2 Pyranom`etres CMP3 et CMP6 . . . 81 3.3 Sonde d’humidit´e et de temp´erature HMP110 . . . 82 3.4 Transmetteur de pression diff´erentielle FCO332 . . . 82 3.5 An´emom`etre `a boule chaude TSI8475 . . . 83 3.6 Sonde `a r´esistance platine PT100 . . . 83 3.7 Thermocouple type T . . . 83 3.8 Sonde d’humidit´e HC2-SH . . . 84 3.9 Capteur de flux thermique . . . 84 3.10 Enregistreur de donn´ees DT85M . . . 85 3.11 Indicateurs thermiques sur le site de l’IESC du 18/07/2013 au 19/08/2013 . . . 86 3.12 Caract´eristiques des capteurs de CO2. . . 90 3.13 R´esultats des diff´erents tests de mesures par gaz traceur (moyennes) . . . 92 3.14 Configurations utilis´ees pour les mesures de vitesses d’air . . . 95 4.1 S´eries de donn´ees [Ans73] . . . 113 4.2 Caract´eristiques des s´eries de donn´ees (statistiques) [Ans73] . . . 113 4.3 Comparaison des erreurs (RM SE en m/s) en fonction du mod`ele . . . 126 4.4 Comparaison des erreurs (RM SEenm/s) entre un mod`ele lin´eaire et un r´eseau
de neurones . . . 134 4.5 Param`etres principaux des r´eseaux de neurones . . . 137 4.6 Architecture choisie pour la mise en place des r´eseaux de neurones . . . 139 4.7 Performance des r´eseaux selon diff´erents indicateurs . . . 144 4.8 Impact du pas de temps sur la performance du r´eseau . . . 144 4.9 Performance du mod`ele empirique selon diff´erents indicateurs . . . 147
4.10 Valeurs des coefficients optimis´es par l’algorithme Nelder-Mead . . . 150 4.11 Valeurs des coefficients optimis´es par l’algorithme PSO . . . 151 5.1 Indicateurs d’erreur obtenus sur le Cas 1 . . . 160 5.2 Indicateurs d’erreur obtenus sur le Cas 2 . . . 162 5.3 Indicateurs d’erreur obtenus sur le Cas 3 . . . 163 5.4 Indicateurs d’erreur obtenus sur le Cas 4 . . . 165 5.5 Validit´e des mod`eles en fonction des variations du profil de charges internes
durant les phases de calibration et de simulation . . . 165 5.6 Indicateurs d’erreur obtenus sur le Cas 1v . . . 167 5.7 Indicateurs d’erreur obtenus sur le Cas 3v . . . 169 5.8 Indicateurs d’erreur obtenus sur le Cas 2vn . . . 172 5.9 Indicateurs d’erreur obtenus sur la comparaison mesure/simulation durant les
phases de calibration et de simulation . . . 176 5.10 Pr´evisions des temp´eratures d’air dans la pi`ece sur la nuit du 10 au 11 aoˆut
(bˆatiment ventil´e) . . . 180 5.11 Pr´evisions des temp´eratures d’air dans la pi`ece sur la nuit du 10 au 11 aoˆut
(bˆatiment non ventil´e) . . . 181 5.12 Pr´evisions des temp´eratures d’air dans la pi`ece sur la nuit du 11 au 12 octobre 182
Introduction
Au cours des derni`eres d´ecennies, l’efficacit´e ´energ´etique des bˆatiments est devenue une probl´e-matique majeure, apparaissant comme un enjeu ´economique et ´ecologique de premier ordre.
En France, le secteur du bˆatiment est le plus gros consommateur d’´energie, repr´esentant `a lui seul 45% de la consommation ´energ´etique totale et ´emettant pr`es de 25% des gaz `a effet de serre. Ce secteur est ´egalement celui o`u les ´economies d’´energies les plus importantes peuvent ˆetre r´ealis´ees. Pour chaque poste de consommation du bˆatiment (chauffage, climatisation, ven-tilation. . . ), il existe des solutions adapt´ees permettant de r´eduire les d´epenses ´energ´etiques.
Malgr´e un bouleversement consid´erable dans la premi`ere moiti´e duxxe si`ecle, marquant ainsi la disparation des bˆatiments de type ancien, on note depuis une quarantaine d’ann´ee une nette am´elioration des techniques de construction. Leur ´evolution a en effet permis en moins d’un demi-si`ecle de passer de bˆatiments ´energivores (jusqu’`a 400kW h.m−2.an−1 pour les bˆa-timents d’apr`es guerre) `a des bˆatiments «passifs» (< 15 kW h.m−2.an−1), voire `a ´energie positive. Cette transition a d´ebut´e d`es les ann´ees 70, apr`es le premier choc p´etrolier de 1973, par l’adoption d’une r´eglementation thermique, la RT 1974. Plusieurs r´eglementations de plus en plus strictes se sont succ´ed´ees depuis, jusqu’`a la mise en place de l’actuelle RT 2012 issu du Grenelle de l’Environnement et visant `a limiter la consommation d’´energie primaire des bˆatiments neufs `a un maximum de 50kW hEP.m−2.an−1. `A partir de 2020, toute construction neuve devra ˆetre un bˆatiment `a ´energie positive. Pour respecter cette r´eglementation il est donc indispensable de d´eployer et de g´en´eraliser de nouvelles strat´egies, adapt´ees `a ces contraintes.
Cela devra n´ecessairement passer par une optimisation de la structure du bˆatiment (isolation et inertie), l’int´egration d’´energies renouvelables, la limitation des syst`emes actifs ainsi que l’exploitation des ressources naturelles. Il faut donc pour cela tenir compte de l’environnement dans lequel le bˆatiment est implant´e : ´evolution des temp´eratures et de l’humidit´e relative, profil de vent du site, ressource solaire. . . qui sont autant de param`etres pouvant impacter les strat´egies `a adopter. Ainsi, la g´en´eralisation de certaines m´ethodes constructives, telles que se focaliser sur l’isolation thermique et avoir syst´ematiquement recours `a des syst`emes de climatisation et de ventilation m´ecaniques, peut priver le bˆatiment de certaines ressources naturelles permettant pourtant d’assurer un confort thermique tout en r´ealisant des ´economies d’´energie. Que ce soit dans le cas d’une construction neuve ou d’une r´ehabilitation, le climat local du site est donc un ´el´ement pr´epond´erant qu’il ne faudra pas n´egliger.
Dans cette th`ese, nous nous concentrerons sur le cas du climat m´editerran´een, pour lequel les bˆatiments disposent g´en´eralement d’un besoin en froid important durant l’´et´e. Nous ciblerons l’utilisation de la ventilation naturelle comme strat´egie principale pour assurer le confort d’´et´e
dans les bˆatiments non climatis´es. `A partir d’un cas d’´etude r´eel, un bˆatiment r´esidentiel situ´e en zone littorale, sur un site de l’Universit´e de Corse et du CNRS, nous ´etudierons le cas de la ventilation naturelle traversante.
Le choix de se reposer uniquement sur un syst`eme passif, d´ependant des conditions m´et´eo-rologiques, est une contrainte importante et doit s’appuyer sur une ´etude pr´ealable du site.
En l’absence de climatisation, la gestion de ce type de syst`eme devient ´egalement cruciale.
S’agissant de la seule source de rafraˆıchissement, une attention toute particuli`ere devra ˆetre apport´ee aux p´eriodes d’ouvertures et de fermetures des fenˆetres, ainsi qu’`a la limitation des apports solaires. Sans informations d´etaill´ees sur l’´etat du bˆatiment ou en cas d’absence de l’occupant, la gestion de la ventilation naturelle peut s’av´erer complexe et entrainer un incon-fort important en cas de mauvaise utilisation. Ainsi, la mise en place d’un syst`eme de pilotage, bas´e sur un compromis entre mesures et simulations du bˆatiment, peut s’av´erer pertinent pour optimiser cette gestion.
La pr´esentation des travaux de th`ese s’articule de la mani`ere suivante :
— Dans le premier chapitre, nous pr´esenterons les enjeux de la ventilation naturelle, en mettant l’accent sur son int´erˆet en tant qu’alternative aux syst`emes de ventilation et de climatisation m´ecaniques. Nous mettrons ´egalement en avant les difficult´es li´ees
`
a son ´etude et `a sa gestion, introduisant ainsi la probl´ematique de la mod´elisation thermo-a´eraulique simplifi´ee pour la mise en place de mod`eles adapt´es au bˆatiment.
Nous pr´esenterons enfin les diff´erentes m´ethodes de mesures et les mod`eles num´eriques permettant de caract´eriser le d´ebit d’air dans un bˆatiment ventil´e naturellement.
— Dans le deuxi`eme chapitre, nous pr´esenterons les sp´ecificit´es du climat m´editerran´een et notamment des zones littorales, caract´eris´ees par le ph´enom`ene de brises thermiques.
Afin d’´etudier un site sans passer par une instrumentation lourde ou une phase com-plexe de simulation, nous d´evelopperons diff´erents indicateurs climatiques permettant une premi`ere ´evaluation du potentiel de ventilation naturelle. Ces indicateurs, n´eces-sitant un jeu minimal de donn´ees faciles `a obtenir, seront appliqu´es et discut´es sur diff´erents sites du littoral corse. Enfin, nous nous attarderons sur le cas de l’instrumen-tation locale n´ecessaire pour une ´etude plus d´etaill´ee et la mise en place de mod`eles adapt´es `a la ventilation naturelle.
— Le troisi`eme chapitre sera consacr´e `a la pr´esentation de l’instrumentation et des exp´e-rimentations r´ealis´ees sur notre cas d’´etude, en accord avec les conclusions tir´ees des deux premiers chapitres. Les r´esultats obtenus seront pr´esent´ees `a travers un rapide retour d’exp´erience du bˆatiment en p´eriode estivale.
— Dans le quatri`eme chapitre, nous introduirons la notion de mod`ele statistique et no-tamment l’utilisation de r´eseaux de neurones. `A partir de notre exp´erimentation, nous comparerons ainsi diff´erentes m´ethodes permettant d’aboutir `a un mod`ele a´eraulique repr´esentatif du bˆatiment ´etudi´e. Le mod`ele retenu sera celui pr´esentant le meilleur compromis entre pr´ecision et nombre et complexit´e des mesures n´ecessaires.
— Le cinqui`eme chapitre portera sur la mod´elisation thermique simplifi´ee des bˆatiments, bas´ee sur une analogie ´electrique. Le mod`ele mis en place sera calibr´e et test´e `a l’aide d’un mod`ele thermique d´etaill´e r´ealis´e sous EnergyPlus ainsi qu’`a partir des donn´ees exp´erimentales. Nous nous attarderons sur le couplage thermo-a´eraulique, permettant d’aboutir `a un mod`ele complet et adapt´e au bˆatiment. Enfin, nous proposerons un exemple concret d’utilisation du mod`ele ainsi obtenu, bas´e sur diff´erents modes de gestion de la ventilation naturelle.