Simulation de la performance des bâtiments

Simulation de la performance des bâtiments

La consommation énergétique des bâtiments représente entre 20-40% de la consommation mondiale totale. Elle représente 40% aux États-Unis (Kim, 2016), 37% en Europe (Koesling, Ruge, Fystro, Torp, & Hansen, 2015) et 30% au Canada (Office de l’efficacité énergétique, 2016). Les requis techniques de différents domaines, les nombreux paramètres qui s’influencent les uns les autres ainsi que les nombreuses incertitudes rendent l’analyse de la performance des bâtiments très complexe. Les outils de simulation de la performance des bâtiments (SPB) visent à faciliter le travail interdisciplinaire de la conception des bâtiments et de leurs systèmes. Ils permettent entre autres de supporter la prise de décisions stratégiques lors de la conception, de faire des analyses de scénarios en utilisant des nouvelles technologies ou méthodes de conception, de prédire les impacts attendus de la modification d’un bâtiment existant, et bien d’autres choses (Clarke & Hensen, 2015).

Aujourd’hui, plusieurs logiciels de simulation énergétique, comme TRNSYS (Beckman et al., 1994), EnergyPlus (Crawley et al., 2001) ou ESP-r ont des architectures ouvertes et par modules. Cela permet à quiconque de développer de nouvelles fonctionnalités pour les intégrer aux modules existants. Cela permet entre autres un déploiement plus rapide et facilite la contribution d’autres chercheurs. De récents modules supplémentaires permettent entre autres (Clarke & Hensen, 2015) :
• une meilleure représentation des débits d’air avec un nombre de Reynolds faible;
• une analyse du confort visuel et de l’apport en lumière naturelle;
• une analyse des flux d’humidité dans les matériaux;
• et plusieurs autres avantages.

Ces logiciels visent d’abord des bâtiments à occupation humaine et jusqu’à tout récemment, ne permettaient pas la simulation des plantes et leur interaction avec l’environnement.

Simulation des serres 

Dans le domaine de l’agriculture en serres contrôlées, les coûts énergétiques de production sont presque exclusivement liés au maintien des conditions dans l’espace de culture (Syndicat des producteurs en serre du Québec, 2011). À l’instar du domaine du bâtiment, le domaine de l’agriculture en serres contrôlées utilise aussi des outils de modélisation pour effectuer des analyses énergétiques. Toutefois, les outils de modélisation utilisés ne sont pas les mêmes que ceux développés pour le bâtiment.

Le développement de modèles énergétiques se fait relativement au même moment que pour le bâtiment. Dans les années 1980, les premiers modèles de types « boîte noire » (qui établissent des relations mathématiques entre entrées et sorties sans fondement théorique) (Udink ten Cate, 1983) ont été développés. Dans les années 1990, un des premiers modèles basés sur des bilans énergétiques et massiques est développé (De Zwart, 1996). Ce modèle est calibré avec une serre vitrée cultivant des tomates aux Pays-Bas et permet l’analyse de mesures d’efficacité énergétique. Le modèle de De Zwart (1996) est par la suite repris par Vanthoor, Stanghellini, Van Henten, et De Visser (2011) afin de développer une méthodologie plus complète de conception et dimensionnement de serres pour n’importe quel emplacement géographique.

Ces outils restent toutefois des modèles mathématiques et ne sont pas développés pour devenir des logiciels comme dans le domaine du bâtiment. Leur analyse est plus précise pour la culture en serre puisqu’ils modélisent la croissance des plantes et les échanges thermiques et massiques entre les plantes et l’environnement. Toutefois, ces modèles deviennent beaucoup moins pratiques et précis lorsque la serre est intégrée à un bâtiment et ne peuvent pas modéliser d’espace d’agriculture intégrée au bâtiment (eAIB).

Simulation d’espace d’agriculture intégré au bâtiment (eAIB) 

Tel que mentionné précédemment, les modèles mathématiques développés en serriculture manquent de flexibilité pour effectuer des analyses énergétiques d’espaces d’agriculture intégrés au bâtiment (eAIB). Certains chercheurs ont plutôt essayé d’adapter les outils de simulation de la performance du bâtiment (SPB) pour intégrer l’analyse des plantes développée dans le domaine agricole (Kokogiannakis & Cooper, 2015; Ward, Choudhary, Cundy, Johnson, & McRobie, 2015).

Comme les logiciels de simulation de la performance de bâtiments servent entre autres à déterminer les gains thermiques attendus, il est important qu’ils puissent modéliser avec précision l’ensemble de ces derniers, du moins les plus importants. Dans une application agricole, une serre par exemple, les gains des plantes peuvent être significatifs, mais sont complètement négligés dans les analyses et les conceptions actuelles (American Society of Heating Refrigerating and Air Conditioning Engineers, 2015). Cependant, Ward et al. (2015) ainsi que Kokogiannakis et Cooper (2015) ont récemment développé des modules de simulation de plantes pour les logiciels TRNSYS et ESP-r, respectivement. Ward et al. (2015) ont repris les travaux de Vanthoor et al. (2011) et de De Zwart (1996) afin de développer un module de simulation de plantes pour le logiciel TRNSYS (type ou composante).

Kokogiannakis et Cooper (2015) développent quant à eux leur propre modèle d’évapotranspiration à partir des travaux de Monteith (1981) et de Allen, Pereira, Raes, et Smith (1998). Il est à noter que les équations de Penman-Monteith (Monteith, 1981) sont également utilisées dans les travaux de De Zwart (1996). La principale différence entre les deux composantes de plantes intégrées aux outils de SPB (d’un point de vue gains thermiques) est que les modèles de Vanthoor et al. (2011) et de De Zwart (1996) sont développés principalement pour la tomate de serre et ont été validés expérimentalement alors que les équations de Penman Monteith et de Allen et al. (1998) sont des approches théoriques applicables à toute sorte de plantes : ce ne sont pas des modèles validés expérimentalement pour les tomates.

Les travaux de Ward et al. (2015) et de Kokogiannakis et Cooper (2015) permettent de mieux comprendre les interactions entre les plantes et leur environnement ainsi que les interactions possibles entre les espaces de cultures et les espaces habités et aident à mieux dimensionner et opérer les systèmes de conditionnement de l’air. De récents travaux reprennent d’ailleurs le modèle de Ward dans des simulations d’eAIB (Talbot & Monfet, 2018). Ces travaux mettent en lumière que certains aspects du modèle ne fonctionnent pas correctement (croissance des plantes) et que son utilisation requiert de très petits pas de temps (1 sec) et alourdit les simulations annuelles. Toutefois, ils concluent également que les gains thermiques des plantes sont non-négligeables et devraient être inclus dans le dimensionnement et l’analyse de la consommation énergétique d’équipements de chauffage, ventilation et conditionnement d’air (CVCA).

En Espagne, une équipe de chercheurs a utilisé EnergyPlus afin de calibrer une serre passive intégrée au bâtiment (Nadal et al., 2017).

Les gains latents des plants de tomates ont été intégrés en programmant les équations empiriques de Bonachela, González, et Fernández (2006) pour des plants en terreau à l’intérieur de serres méditerranéennes. La programmation a été effectuée directement dans le logiciel EnergyPlus avec l’outil Système de Management de l’Énergie (EMS en anglais). Nadal et al. (2017) ont réussi à calibrer la serre avec des données sur la température et l’humidité.

Leur modèle avait une erreur de biais moyenne (MBE) inférieure à ±10% et une erreur moyenne quadratique (RMSE) inférieure à 30% avec des données horaires. Ils ont par la suite comparé la consommation énergétique attendue en déplaçant l’espace au sol. Ils admettent toutefois que le modèle obtenait ses plus grandes erreurs lors de grands écarts de température entre l’intérieur de la serre et l’extérieur. Cette condition est présente presque toute l’année dans un climat québécois. Également, les lignes directrices de ASHRAE (2002) mentionnent que la MBE et la RMSE devraient être inférieures à ±10% et 30% pour la consommation énergétique plutôt que les températures. Leur calibration a été effectuée uniquement sur la température et l’humidité (puisque c’est une serre passive) et les équations utilisées pour les gains des tomates ne sont valables que pour des serres méditerranéennes.

En résumé, les outils de simulation de la performance des bâtiments semblent être le choix le plus prometteur pour la modélisation d’espaces d’agriculture intégrés au bâtiment. En effet, ils permettent l’intégration des travaux effectués dans le domaine de l’agriculture pour l’estimation des gains thermiques et des productions attendues des plantes. Certaines opportunités de recherche peuvent également être identifiées. Une seule calibration de serre avec des outils de SPB a été recensée et c’est pour une serre passive en Espagne. La calibration sur les consommations énergétiques d’une serre contrôlée dans un climat plus froid comme celui du Québec reste encore à démontrer. Également, l’intégration des gains thermiques des plantes n’a pas encore d’approche généralisée. Certaines études les négligent encore.

Table des matières

INTRODUCTION
CHAPITRE 1 REVUE DE LITTÉRATURE
1.1 Agriculture en environnement contrôlé
1.1.1 Serres
1.1.2 Agriculture urbaine
1.2 Simulation énergétique
1.2.1 Simulation de la performance des bâtiments
1.2.2 Simulation des serres
1.2.3 Simulation d’espace d’agriculture intégré au bâtiment (eAIB)
1.3 Analyse du cycle de vie (ACV)
1.3.1 Étapes de l’ACV
1.3.2 ACV tomate de la tomate
1.4 Constats
CHAPITRE 2 OBJECTIFS ET MÉTHODOLOGIE
2.1 Objectifs
2.2 Méthodologie
CHAPITRE 3 CALIBRATION D’UN MODÈLE ÉNERGÉTIQUE D’UNE SERRE ET ANALYSE DE MESURES D’ÉCONOMIE D’ÉNERGIE
CHAPITRE 4 GREENHOUSE VERSUS BUILDING-INTEGRATED AGRICULTURAL SPACE (BIAS) IN QUEBEC: COMPARISON USING BUILDING PERFORMANCE SIMULATION AND LIFE CYCLE ASSESSMENT
4.1 Introduction
4.2 Materials and methods
4.2.1 Site selection
4.2.2 Building and crop selection
4.2.3 Simulation of the energy consumption
4.2.4 Life cycle inventory
4.2.5 Life cycle impact assessment
4.2.6 Sensitivity analysis
4.3 Results
4.3.1 Energy portfolio
4.3.2 LCA results
4.3.3 Sensitivity results
4.3.4 Discussion
4.3.5 Conclusion
4.3.6 Acknowledgements
CHAPITRE 5 DISCUSSION
CONCLUSION

Cours gratuitTélécharger le document complet

Télécharger aussi :

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *