Conception des bâtiments : Réduire le temps de calcul des études de simulation et optimisation

L’approche holistique, qui considère le bâtiment dans sa globalité et sur une longue période, pourrait représenter une solution pour réaliser des études de simulation et optimisation performantes et soulève actuellement l’intérêt de la communauté scientifique. Ce type d’approche globale de modélisation des bâtiments prend en compte les fortes interactions entre l’enveloppe, les systèmes, l’environnement et les usagers. Son principal défaut est de nécessiter des temps de calcul trop importants, voire irréalisables, en utilisant des modèles détaillés en régime dynamique sur de longues périodes simulées. Le défi est de réduire ce temps de calcul. Pour cela, on utilise généralement des modèles simplifiés en lieu et place des modèles détaillés de bâtiments mais ceci peut affecter de manière importante la représentativité des études de cas. De plus, les modèles simplifiés peuvent être inapplicables pour de grands modèles complexes, car ils nécessitent de nombreuses données d'apprentissage pour être construits.

Des travaux menés à l’INES explorent une autre voie, basée sur la réduction de la période simulée, au lieu du modèle lui-même. L’objectif est de définir une séquence de jours suffisamment courte et représentative pour déterminer les performances, avec le modèle dynamique complet, puis les extrapoler à l’année complète.

Ces travaux ont permis de développer une méthodologie de sélection de jours appelée Algorithme TypSS (Typical Short Sequence) pour générer des séquences réduites de jours typiques qui peuvent être appliquées sur des modèles détaillés, et ce malgré leur niveau de complexité, dans des simulations dynamiques. L'algorithme, appliqué sur un modèle de bâtiment détaillé, conduit à des simulations beaucoup plus rapides tout en obtenant des résultats très proches des résultats annuels.

Une approche d'optimisation, appelée OptiTypSS, est également évaluée. Elle utilise les séquences réduites générées par TypSS pour accélérer les études lourdes d'optimisation multi-objectifs.

La méthode permet d'obtenir des résultats très proches des optimaux obtenus à partir de simulations sur une année complète. Son temps de calcul doit encore être amélioré.