HAL Id: hal-01825215
https://hal.archives-ouvertes.fr/hal-01825215
Submitted on 28 Jun 2018
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
estival : utilisation des analyses d’incertitude et de sensibilité
Léa Gondian, Jeanne Goffart, Monika Woloszyn, Etienne Wurtz, Catherine Buhé, Philippe Maréchal
To cite this version:
Léa Gondian, Jeanne Goffart, Monika Woloszyn, Etienne Wurtz, Catherine Buhé, et al.. Évaluation de l’influence des occupants sur le confort estival : utilisation des analyses d’incertitude et de sensibilité.
Conférence IBPSA France 2018 , May 2018, Bordeaux, France. �hal-01825215�
Évaluation de l’influence des occupants sur le confort estival : utilisation des analyses d’incertitude et de sensibilité.
Léa Gondian1, 2,*, Jeanne Goffart1, Monika Woloszyn1, Etienne Wurtz2, Catherine Buhé1, Philippe Maréchal2
1Univ. Grenoble Alpes, Univ. Savoie Mont Blanc, CNRS, LOCIE, 73000 Chambéry, France.
2 Univ. Grenoble Alpes, CEA, LITEN, INES, 73375 Le Bourget-du-Lac, France.
*lea.gondian@univ-smb.fr
RÉSUMÉ. Dans un contexte de garantie de performance énergétique, l’évaluation de la performance réelle des logements est un nouvel enjeu. Dans les constructions récentes de type BEPOS (bâtiment à énergie positive) le comportement des occupants est connu pour avoir un impact fort sur la performance énergétique. De plus, dans ces nouvelles constructions, l’évaluation du confort estival est attendue. Dans cette étude, une méthodologie d’évaluation de la performance estivale d’une maison individuelle BEPOS vis-à-vis de comportements réalistes des occupants est présentée. Elle se base sur des analyses d’incertitude et de sensibilité (méthode RBD-FAST). Sur une étude de cas, la démarche employée a montré que la température opérative est jusqu’à 8.6 °C plus élevée suivant les comportements et que la gestion des volets roulants entre 14 h et 20 h est le paramètre le plus influent.
Ainsi, en phase de conception, il est possible de proposer des solutions adéquates et/ou d’informer les futurs occupants des dispositions à prendre pour maintenir le confort estival dans leur maison.
MOTS-CLÉS : confort estival, analyse de sensibilité, comportement des occupants
ABSTRACT. In order to guarantee the energy performance of buildings, assessing the energy consumption under real conditions of usage is a new challenge. In newly built houses as positive-energy buildings, the occupant’s behaviour is known to be a very important factor for the building’s performance. Moreover, evaluating summer comfort in these buildings is also a new issue. In this paper, an approach based on uncertainty and sensitivity analyses (RBD-FAST method) is presented and evaluates the summer performance of a building according to different realistic occupant’s behaviour. A case study shows that operative temperature can vary up to 8.6 °C depending on behaviours and that roller blinds position between 2 pm to 8 pm is the most influential parameter.
Therefore, new proposals for the design of future buildings can be done and/or future inhabitants can be better informed about how to manage their house.
KEYWORDS : summer comfort, sensitivity analysis, occupants’ behaviour
1. INTRODUCTION
Afin de réduire la demande énergétique et les émissions de CO2 du secteur du bâtiment, les nouvelles constructions doivent répondre à de nouvelles normes de conception. Les constructions récentes de type BEPOS (bâtiment à énergie positive) ont une demande énergétique maîtrisée pour le chauffage grâce à une enveloppe ayant une forte étanchéité à l’air et une haute performance isolante. En complément, une conception bioclimatique optimise la valorisation des apports solaires. Ces caractéristiques de conception font que ces nouveaux bâtiments peuvent être sujets à des périodes de surchauffe estivale entraînant de l’inconfort pour les occupants. L’intensité et la fréquence de ces périodes de surchauffe vont dépendre certes des conditions météorologiques mais également de la gestion du bâtiment par
l’occupant et de son comportement. Le comportement des occupants a été identifié comme paramètre clé influant sur les conditions d’ambiance intérieure de ce type de bâtiments comme il peut l’être sur la consommation énergétique (Firląg et Zawada 2013) (Vorger 2014).
Il est primordial de s’assurer que les nouvelles constructions seront capables de répondre au confort des occupants et non uniquement à la performance énergétique. Pour répondre à cette problématique, ces travaux portent sur une méthodologie d’évaluation de la performance estivale d’une maison individuelle BEPOS s’appuyant sur des analyses d’incertitude et de sensibilité en phase de conception.
Dans un premier temps, des paramètres liés au comportement des occupants et susceptibles d’influer sur la température intérieure en période estivale ont été sélectionnés comme variables d’étude. Puis, des plages de variation, cohérentes avec des usages dans une maison individuelle BEPOS, ont été associées à chacun des paramètres. Enfin, la méthodologie a été appliquée à un cas d’étude. Suivant les résultats obtenus, les concepteurs sont en mesure de mettre en place les solutions adéquates et/ou d’informer les futurs occupants des dispositions à prendre pour maintenir le confort estival dans leur maison.
2. MÉTHODOLOGIE
2.1. OBJECTIFS
Les objectifs de la méthodologie sont d’évaluer la capacité d’une maison individuelle de type BEPOS à maintenir une ambiance intérieure confortable pour différents comportements des occupants et de retrouver parmi ces conditions d’usage, la/les plus influente/s sur le confort.
2.2. DEMARCHE
La démarche consiste à coupler des analyses d’incertitude et de sensibilité au modèle de simulation thermique dynamique du bâtiment étudié. Pour répondre aux objectifs fixés, les paramètres d’entrées des analyses sont des conditions d’usages susceptibles de modifier les conditions d’ambiance intérieure.
Ces paramètres permettent de rendre compte de la diversité des sollicitations engendrées par les actions des occupants : aéraulique, apports internes, apports externes, et permettent également de dissocier les effets d’une même action sur différents moments de la journée. Les paramètres d’entrées retenus sont : la chaleur sensible dégagée par les occupants « actifs », la chaleur sensible dégagée par les occupants
« au repos », la position des volets roulants sur 3 plages horaires (de 8 h à 12 h, de 12 h à 14 h, et de 14 h à 20 h), la puissance électrique consommée sur 3 plages horaires (de 6 h à 8 h, de 12 h à 14 h, et de 20 h à 22 h), la puissance électrique consommée en continu, le débit de renouvellement d’air pendant une ouverture de fenêtre de 10 minutes à 3 moments de la journée (7 h, 12 h, et à 20 h) et le débit de surventilation mécanique nocturne. En tout, 13 paramètres ont été retenus. Les plages de variation des paramètres sont définies de manière à éviter une sous-estimation ou une surestimation de l’influence d’un paramètre sur la sortie observée et sont cohérentes avec des usages mesurés ou usuellement utilisé dans le cas de maisons individuelles récentes. L’étude des plages de variation pour chacun des paramètres est présentée au paragraphe 2.4.
Plusieurs centaines de simulations sont effectuées. Entre chaque simulation, les valeurs prises par les 13 paramètres sont modifiées. Deux variables de sortie sont observées pour chaque simulation. La première est la température ressentie par les occupants, ici la température opérative, heure par heure dans une pièce de vie. La deuxième est le nombre de degrés-heures supérieur à 27 °C sur la période donnée. Pour la première variable, l’analyse d’incertitude permet de quantifier la dispersion de la
température ressentie entres les différentes simulations pour chaque heure de la journée et l’analyse de sensibilité permet d’identifier les paramètres qui influent le plus sur la variabilité de la température.
L’étude de la deuxième variable permet de dresser un bilan de la performance estivale du bâtiment pour un indicateur de confort simplifié. L’analyse d’incertitude donne la variabilité du confort suivant différentes conditions d’usages et permet donc de juger de la robustesse de la performance recherchée.
L’analyse de sensibilité donne une information supplémentaire en estimant l’influence de chaque paramètre sur la variabilité de l’indicateur. L’étude doit porter sur la semaine la plus chaude du fichier météo utilisé.
2.3. CHOIX DES ANALYSES D’INCERTITUDE ET DE SENSIBILITE
L’analyse de sensibilité est une méthode statistique qui permet d’évaluer les paramètres les plus influents sur une distribution de sortie. L'analyse de sensibilité étudie comment des perturbations sur les valeurs prises par les paramètres d'entrée d’un modèle engendrent des perturbations sur la sortie du modèle. La méthode d’analyse de sensibilité retenue est la méthode RBD-FAST (Random Balance Design - Fourier Amplitude Sensitivity Test) qui fournit en sortie une valeur d’indice de sensibilité à chaque paramètre étudié compris sur l’intervalle [0,1]. Plus l’indice de sensibilité d’un paramètre est proche de 1, plus ce paramètre influe sur la sortie observée. Il s’agit d’une méthode dite globale, basée sur la décomposition de la variance fréquentielle permettant de déterminer tous les indices du premier ordre. Dans (Goffart, Rabouille, et Mendes 2015) une description détaillée du fonctionnement et des avantages de cette méthode a été réalisée.
2.4. VARIATION DES PARAMETRES
2.4.1. Prise en compte du métabolisme
Le corps humain génère plus ou moins de chaleur sensible et de chaleur latente en fonction de l’activité, de la taille, de l’âge de l’individu considéré, etc. Pour les variables relatives à la chaleur dégagée par les occupants « actifs » et « au repos », il s’agit de voir dans quelle proportion elles influencent le résultat. Une étude non exhaustive de la littérature permet de retrouver des valeurs prises pour la chaleur sensible dégagée par un adulte dans un bâtiment résidentiel (Table 1).
Source Chaleur sensible Commentaires
(Méthode Th-BCE 2012) 90 (actif), 63W (repos) équivalent adulte
(ISO 7730 2005) 80 (actif) -
(Gouvernement Wallon 2008) 100W -
(ASHRAE 2009) 75W dans un appartement, activité légère à modérée
(DGO4 2013) entre 70W et 155W fonction de la température et de l’activité (Vorger 2014) 100W (actif), 80W (repos) + de 10 ans
Table 1: Résumé des valeurs considérées pour le métabolisme pour différentes sources
Le choix a été fait de retenir les valeurs provenant de la RT2012 à +/- 20 W qui est une plage de variation cohérente et conservative au vu de la littérature. Dans le modèle, le scénario de présence retenu est : 2 adultes sont présents et actifs dans le salon de 6 h à 8 h, de 12 h à 14 h et de 20 h à 22 h et au repos dans la chambre de 22 h à 7 h. La présence d’enfant n’a pas été intégrée.
2.4.2. Taux de fermeture des protections solaires mobiles
Les protections solaires mobiles favorisent ou limitent les apports solaires. Dans le cas de volets roulants, le taux de fermeture peut prendre n’importe quelle valeur entre 0 % et 100 %. La position des
volets diffère dans notre modèle pour chaque période d’absence et de présence soient des taux de fermetures pour chaque période suivante : 8 h à 12 h, 12 h à 14 h et 14 h à 20 h.
2.4.3. Équipements électriques
L’énergie dissipée par effet Joule par l’utilisation d’électricité spécifique dans un bâtiment résidentiel comprend l’utilisation des appareils de cuisson, de froid, de lavage, de loisir et de bureautique.
Approximer les apports de chaleur de ces appareils n’est pas aisé car il faut tenir compte du temps d’utilisation et de la puissance absorbée par chaque appareil ainsi que du facteur de conversion entre la puissance électrique absorbée et la chaleur dégagée. Il n’existe pas de consensus pour les facteurs de conversion. Ainsi, la mesure de la puissance électrique des appareils dans une habitation ne suffit pas à approximer les apports de chaleur liés à l’électricité spécifique. Les valeurs retenues sont celles provenant de la RT2012 pour les apports nominaux de chaleur soit 5.7 W/m² et l’on considère que les appareils en veille représentent 20 % des apports (ratio issu de la RT2012). Pour la chaleur dégagée par les équipements en vieille, on associe une incertitude de +/- 20 W car ces appareils sont principalement des appareils dits « fermés » pour lesquels le taux de conversion entre chaleur et puissance absorbée est de 1 (Park et al. 2013). Pour les apports liés au fonctionnement ponctuel des équipements, une plage d’incertitude de 100 % est associée. Le scénario d’utilisation de ces appareils coïncide avec les périodes de présence des occupants dans le salon.
2.4.4. Renouvellement d’air lié à l’ouverture des fenêtres
Le renouvellement d’air par ouverture de fenêtres est susceptible de modifier la température ambiante. Des suivis de maisons occupées ont mis en évidence des temps d’ouvertures des fenêtres par les occupants de 20-30 minutes par jour quelles que soient les conditions météorologiques. Ceci peut s’apparenter à une ouverture « hygiénique ». Il s’agit ici de modéliser le débit d’air entrant par l’ouverture des fenêtres. Dans (Vorger 2014), un état de l’art des mesures de temps d’ouverture de fenêtres dans des logements et de débit d’air engendré a été réalisé et permet de retenir une plage de variation pour cette étude comprise entre 0.22 vol/h et 2.7 vol/h. Le scénario d’ouverture de fenêtres intégré dans notre modèle correspond à 3 événements répartis dans la journée (ouverture pendant 10 minutes à 7 h, 12 h et 20 h). Pour ces 3 ouvertures nous faisons varier le taux de renouvellement de 0.22 à 2.7 vol/h
2.4.5. Surventilation mécanique nocturne
La surventilation nocturne est une solution de rafraîchissement disponible avec certains systèmes de ventilation mécanique. Les retours d’expérience ont montré que la valeur du débit de surventilation nocturne était modifiée couramment par les utilisateurs qui changent la vitesse du ventilateur à cause de gênes auditives (Larsen, Jensen, et Daniels 2012). La plage de variation associée au débit supplémentaire fournie pour la surventilation nocturne peut donc varier entre 0 et le débit induit par la vitesse maximale du ventilateur de l’équipement installé. La surventilation mécanique nocturne fonctionne lorsque : Tint≥22 °C et Text≥10 °C et Text≤Tint.
3. ÉTUDE DE CAS
3.1. PRESENTATION GENERALE
La méthodologie présentée ci-dessus a été appliquée au modèle de conception d’une maison individuelle de type BEPOS construite dans le cas du projet COMEPOS (Conception et Construction
Optimisées de Maisons à Energie POSitive) qui vise à promouvoir le concept de maison individuelle à énergie positive. Cette maison a déjà servi de cas d’étude et le modèle EnergyPlus utilisé par la suite a été validé (Josse-Buret et al. 2017). Cette maison a une superficie de 137 m² habitable, une perméabilité à l’air de 0.40 m3/(h.m²) et est située à proximité de Strasbourg. Les murs extérieurs ont une résistance thermique totale de 6 m².K/W avec une isolation par l’intérieur. Le fichier météo utilisé est celui proposé par EnergyPlus pour une année type pour la ville de Strasbourg et la période observée est comprise entre le 10/08 et le 16/08 qui correspond à la semaine la plus chaude du fichier. Pour la suite de l’étude, l’évaluation du confort estival vis-à-vis des comportements des occupants sera faite pour la zone thermique « Salon ». Cette zone est située au rez-de-chaussée, orientée Sud-Ouest, Sud-Est (Figure 1).
Figure 1: Représentation 3D du cas d’étude (source : constructeur), façades Sud-Ouest et Sud-Est 3.2. PARAMETRES D’ENTREE DE L’ANALYSE DE SENSIBILITE
Les paramètres d’entrée de l’analyse de sensibilité et leur plage de variation sont listés dans la Table 2. Les valeurs retenues sont issues du paragraphe 2.4 et ont été ajustées à notre cas d’étude. Une loi de distribution uniforme pour chacun des paramètres a été retenue pour que les valeurs prises par un paramètre soient équiprobables dans l’intervalle [Min. ; Max.].
Paramètres Unité Min. Max.
1- Chaleur sensible - actif W 70 110
2- Chaleur sensible - repos W 43 83
3- Position volet roulant de 8 h à 12 h - 0 1 4- Position volet roulant de 12 h à 14 h - 0 1 5- Position volet roulant de 14 h à 20 h - 0 1 6- Puissance électrique de 6 h à 8 h W 0 400 7- Puissance électrique de 12 h à 14 h W 0 400 8- Puissance électrique de 20 h à 22 h W 0 400 9- Puissance électrique continue W 80 120 10- Ouverture fenêtre à 7 h pendant 10 min vol/h 0.22 2.7 11- Ouverture fenêtre à 12 h pendant 10 min vol/h 0.22 2.7 12- Ouverture fenêtre à 20 h pendant 10 min vol/h 0.22 2.7 13- Débit surventilation nocturne m3/s 0 0.0103
Table 2 : Plage de variation des 13 paramètres d’entrée de l’analyse de sensibilité 3.3. RÉSULTATS
L’analyse de sensibilité a été exécutée avec 300 simulations pour un temps de calcul de 1 h 15 min (10 h de calculs parallélisés sur 8 processeurs).
3.3.1. Variabilité de la température opérative
La distribution statistique de la valeur de la température opérative dans le salon entre les 300 simulations est représentée sur la Figure 2. Pour chaque pas de temps horaire, la valeur médiane de la température est tracée ainsi que l’intervalle interquartile et l’intervalle de confiance à 95 %.
Sur la période d’étude, la valeur moyenne de la température médiane est de 28.7 °C et la moyenne de l’écart interquartile est de 1.7 °C i.e. l’écart observé sur 50 % des simulations. La plus forte variabilité de la température opérative (Δtmax = t97.5 % - t2.5 % = 8.6 °C) est obtenue le 15/08 de 15h à 16h. Selon les comportements des occupants, il peut donc y avoir un écart de 8.6 °C. En faisant le parallèle avec les données météo, les journées les moins chaudes et les moins ensoleillées correspondent aux journées où la variabilité de la température est la plus faible.
Figure 2 : Variabilité de la température opérative dans le salon entre les 300 simulations On observe que sur l’ensemble de la période considérée, la température ressentie par les occupants est globalement au-dessus de 27 °C quels que soient les comportements des occupants. Par contre, l’intensité de l’inconfort est fortement dépendante de ces comportements puisque des températures opératives de 37 °C peuvent être atteintes. Afin de mieux appréhender les responsables de la variabilité observée, on estime les indices de sensibilité pour chaque entrée de l’étude avec le même jeu d’échantillon par la méthode RBD-FAST.
3.3.2. Indices de sensibilité
La Figure 3 représente, pour chaque pas de temps horaire, la valeur des indices du premier ordre de chacun des 13 paramètres. L’incertitude de l’estimation des indices de sensibilité étant de l’ordre de 2
%, on peut ainsi observer des valeurs supérieures à 1 et également des valeurs négatives.
Sur la période d’étude, la Figure 3 permet de visualiser, pour chaque heure, les comportements des occupants les plus influents (valeur des indices les plus élevées) sur la température opérative dans le salon. La position des volets roulants entre 14 h et 20 h (n°5), le débit de la surventilation nocturne (n°13) et la position des volets roulants entre 8 h et 12 h (n°3) sont les paramètres les plus influents. Au moment des pics de température, identifiables sur la Figure 2, la position des volets roulants entre 14 h et 20 h est le paramètre qui conditionne le plus la variabilité de la température.
L’étude permet également de mettre en évidence l’inertie du comportement thermique de la maison : à minuit, la position des volets roulants entre 14 h et 20 h explique en moyenne encore 56 % de la variabilité de la température opérative dans le salon.
0 1 2 3 4 5
16 18 20 22 24 26 28 30 32 34 36 38
Radiation solaire drecte [kW/m²]
Température [°C]
Temps
Figure 3 : Valeurs des indices de sensibilité pour les 13 paramètres 3.3.3. Inconfort estival
Pour évaluer l’impact des comportements des occupants sur l’inconfort estival, le critère retenu est le nombre de degré-heure supérieur à 27 °C qui permet de juger de l’intensité de l’inconfort.
Figure 4 : a) Variabilité du nombre de degré-heure supérieur à 27 °C et b) Valeurs des indices de sensibilité des paramètres influents
La Figure 4a) montre la dispersion des 300 valeurs du nombre de degré-heure supérieur à 27 °C. La boîte représente 50 % des valeurs, la valeur médiane, le premier et troisième quartile sont les limites de la boite. La Figure 4b) contient les valeurs des indices de sensibilité de chaque entrée de l’étude sur la variabilité du nombre de degré-heure supérieur à 27 °C rangés par ordre décroissant d’influence. Sur une semaine, soit 168 h, l’intensité de l’inconfort varie entre 218 degré-heure et 419 degré-heure suivant les comportements des occupants et le taux d’ouverture du volet l’après-midi explique 57 % de cette dispersion. La chaleur dégagée par l’utilisation d’électricité spécifique explique en tout 13 % de ces variations et le débit de surventilation 10 %. Le métabolisme des occupants ainsi qu’une ouverture de fenêtres 30 minutes par jour ont de très faibles influences sur l’inconfort dans ce cas d’étude.
Ainsi, il est possible de conclure que lors de la semaine la plus chaude du fichier météo considéré, la performance de ce bâtiment en termes de maintien du confort intérieur n’est pas atteinte car la température est supérieure à 27 °C pour la quasi-totalité des simulations. De plus, la robustesse de ce bâtiment à maintenir le confort est mise en défaut puisque pour les conditions et intensités d’usages testées et probables dans ce type de bâtiment, la variabilité de l’indice de confort est très élevée.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2
Indice de sensibilité [-]
Temps
0 100 200 300 400 500 600 700 800
a) b)
4. CONCLUSION ET PERSPECTIVES
Une méthodologie destinée aux maisons individuelles type BEPOS a été développée pour tester en phase de conception la performance estivale d’un bâtiment soumis à différentes conditions d’usage. Sur un cas d’étude, dans les variations d’usage retenues, un risque réel d’inconfort dans le bâtiment étudié a été mis en avant. Globalement, l’impact des protections solaires et donc des apports solaires est prédominant sur le confort thermique. Ces résultats sont en adéquation avec une étude déjà menée portant sur l’impact de la variabilité météorologique sur les besoins de refroidissement d’une maison basse consommation (Goffart 2013) et sont cohérents avec les installations courantes, dans ce type de bâtiment, de gestion automatisée des protections solaires ainsi que de l’utilisation du potentiel de rafraîchissement via la ventilation. La recherche des conditions limites d’utilisation du bâtiment permettant vis à vis du confort thermique est envisagée et nécessite une étude approfondie des résultats fournis par les analyses d’incertitude et de sensibilité.
5. REMERCIEMENTS
Ces travaux ont été financés en partie par le Conseil Savoie Mont Blanc et ont aussi bénéficié d'une aide de l’état au titre du programme d’Investissements d’Avenir portant la référence ANR-10-ITE-0003.
6. BIBLIOGRAPHIE
ASHRAE. 2009. « ASHRAE Handbook - Fundamentals ». American Society of Heating, Refrigerating and Air- Conditioning Engineers, Inc.
DGO4, Architecture-et-Climat. 2013. « Energie +: Les charges thermiques internes - L’apport des occupants ».
http://www.energieplus-lesite.be/index.php?id=11675.
Firląg, Szymon, et Bernard Zawada. 2013. « Impacts of airflows, internal heat and moisture gains on accuracy of modeling energy consumption and indoor parameters in passive building ». Energy and Buildings 64 (septembre): 372‑83. https://doi.org/10.1016/j.enbuild.2013.04.024.
Goffart, Jeanne. 2013. Impact de la variabilité des données météorologiques sur une maison basse consommation.
Application des analyses de sensibilité pour les entrées temporelles. Grenoble.
http://www.theses.fr/2013GRENA029.
Goffart, Jeanne, Mickael Rabouille, et Nathan Mendes. 2015. « Uncertainty and sensitivity analysis applied to hygrothermal simulation of a brick building in a hot and humid climate ». Journal of Building Performance Simulation 10 (1): 37‑57. 2017 https://doi.org/10.1080/19401493.2015.1112430.
Gouvernement Wallon. 2008. « Arrêté du Gouvernement wallon déterminant la méthode de calcul et les exigences, les agréments et les sanctions applicables en matière de performance énergétique et de climat intérieur des bâtiments ». 2008. https://wallex.wallonie.be/PdfLoader.php?type=doc&linkpdf=28448-31550-20809.
ISO 7730. 2005. « Annex B ».
Josse-Buret, Rozenn, Frédéric Wurtz, Philippe Maréchal, et Etienne Wurtz. 2017. « A Residential Case Study To Validate A New Default Detection Method Analyzing Discrepancies Between Simulated and Measured Data ». In IBPSA Building Simulation Conference 2017. San Francisco, United States.
Larsen, Tine Steen, Rasmus Lund Jensen, et Ole Daniels. 2012. « The Comfort Houses: Measurements and analysis of the indoor environment and energy consumption in 8 passive houses 2008-2011 ». Department of Civil Engineering, Aalborg University. http://vbn.aau.dk/ws/files/65267145/The_Comfort_Houses.pdf.
Méthode Th-BCE. 2012.
Park, Herie, Marie Ruellan, Nadia Martaj, Rachid Bennacer, et Eric Monmasson. 2013. « Generic Thermal Model of Electrical Appliances in Thermal Building: Application to the Case of a Refrigerator ». Energy and Buildings 62 (juillet): 335‑42. https://doi.org/10.1016/j.enbuild.2013.02.061.
Vorger, Éric. 2014. « Étude de l’influence du comportement des habitants sur la performance énergétique du bâtiment ». Paris, ENMP. http://www.theses.fr/2014ENMP0066.
