Dans cette section, sont présentées les différentes étapes qui constituent la méthodologie
d’optimisation des plans de mesure. Nous nous plaçons dans le contexte d’un prestataire
de services ou d’un opérateur qui souhaiterait définir le plan de mesure idéal à mettre en
place pour évaluer la performance de son bâtiment. Pour ce faire, nous préconisons sur la
base des chapitres précédents les étapes suivantes :
Étape 1 : Construction du modèle de simulation thermique dynamique:
La première étape consiste à construire un modèle de simulation comme effectué
au chapitre 3 à la section 1.4. Il permet à l’opérateur de poser les bases de son
L’opérateur se place dans une phase d’étude. Aucune mesure n’a donc été effectuée
pour caractériser ces grandeurs. Le modèle construit ici est donc un modèle a priori.
Étape 2 : Caractérisation des variables d’entrées : Les variables choisies à
l’étape 1 sont caractérisées. Ces variables peuvent contenir aussi bien les scénarios
d’usage, les variables météorologiques que les paramètres intrinsèques à la structure
du bâti. L’utilisateur choisit donc les variables en fonction de l’orientation qu’il
souhaite donner à son étude. Les valeurs nominales des variables sont définies ainsi
que les incertitudes qui leurs sont associées. Ces dernières sont estimées sur la base
qu’aucune mesure n’a été effectuée.
Étape 3 : Performance garantie a priori : Une fois le modèle construit et les
incertitudes caractérisées, le modèle STD a priori peut être réduit (si l’opérateur le
souhaite et si la régularité du modèle le permet) suivant la méthode exposée dans le
chapitre2. Les analyses de sensibilité et de propagation d’incertitudes pourront être
effectuées à moindre coût de simulation. La propagation d’incertitudes va permettre
de connaître toutes les valeurs possibles que peut prendre la consommation
calori-fique annuelle et ainsi de pouvoir fixer une consommation garantie a priori (avec un
risque de 5%) dans le cadre de non mesures. Cette consommation garantie a priori va
ensuite servir de repère dans le processus d’optimisation et permettra de juger si la
mesure apporte de la précision ou non à la démarche entreprise. L’analyse de
sensibi-lité quant à elle va permettre de hiérarchiser les variables et orientera l’opérateur sur
l’implication de chacune d’elle sur la variabilité de la consommation calorifique
an-nuelle. Elle donne ainsi une première indication des variables sur lesquelles pourront
porter les mesures par leur classement (figure 4.1).
Étape 4 : Stratégie d’optimisation : Cette étape fait aussi appel aux
connais-sances dont peut disposer l’opérateur. Pour chaque variable choisie précédemment
dans son étude, il aura à caractériser les incertitudes dans un contexte de mesures
de celles-ci. Puis-qu’aucune mesure n’aura été effectuée au préalable, les incertitudes
de mesure seront estimées selon ses connaissances et devront représenter le plus
fi-dèlement possible les mesures comme si elles avaient été effectuées. Puis sur la base
de la hiérarchisation effectuée précédemment, on proposera un plan de mesure pour
chaque niveau d’incertitude définit dans l’équation 4.1. u
b(X
i) est l’incertitude
as-sociée à la variable X
iau niveau bas (incertitude à priori) et inversement u
h(X
i)
est l’incertitude associée à la variableX
iau niveau haut (incertitude de mesure
es-timée). On obtient N + 1 plans de mesure au total. Le plan MV
0correspondant à
celui effectué à l’étape précédente. Pour chaque MV
i, on effectue une propagation
d’incertitudes à travers le modèle physico-probabiliste ou polynomial. On obtientN
incertitudes sur la consommation calorifique annuelle.
Étape 5 : Identification du plan de mesure optimal : Les propagations
d’in-certitudes effectuées à l’étape précédente et celle effectuée sur le modèle a priori
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15