La prédiction statique et dynamique des besoins énergétiques d'un bâtiment en utilisant les réseaux de neurones artificiels

Chlyah, Badr (2008). La prédiction statique et dynamique des besoins énergétiques d'un bâtiment en utilisant les réseaux de neurones artificiels. Mémoire de maîtrise électronique, Montréal, École de technologie supérieure.

Prévisualisation	PDF Télécharger (47MB) | Prévisualisation
Prévisualisation	PDF Télécharger (7MB) | Prévisualisation

Résumé

Plusieurs études présentées dans la littérature essayent de trouver des nouvelles ou d'améliorer des anciennes approches pour estimer et prédire les besoins énergétiques du bâtiment.

Ce mémoire présente les résultats du développement d'un système de prédiction pour les prochaines heures des besoins énergétiques appliqué pour le bâtiment de l'École de technologie supérieure (ÉTS). L'étude est basée sur l'application des techniques des réseaux de neurones artificiels (RNA) pour concevoir et développer le système de prédiction. Des bases de données simulées et réelles sont utilisées pour l'apprentissage du réseau et contiennent les valeurs horaires des variables d'entrées nécessaires pour la prédiction (températures, humidité, données de temps, charges,...).

Le travail englobe :
l'analyse des données pour choisir les variables les plus pertinentes, améliorer le rendement et minimiser le bruit. la conception du modèle pour trouver l'architecture RNA la plus adaptée au bâtiment en étude, type de réseau, nombre de couches cachées, nombre de neurones, type de fonction de transfert,... adopter l'aspect dynamique des réseaux neurones pour ce type de prédiction, en développant deux modèles de prédiction dynamique : le premier avec une base d'adaptation cumulative et le deuxième à fenêtre glissante, le développement et la validation du modèle.

Cette étude a permis de prouver le potentiel des RNA dans le domaine de la prédiction en ligne des besoins énergétiques du bâtiment, étant donné que les coefficients de variances (CV) obtenus pour les différentes simulafions sont de l'ordre de 8 à 21 %. Aussi, l'étude a révélé quelques problèmes de prédiction : par exemple au niveau du démarrage du refroidisseur de l'École.

Titre traduit

The static and dynamic predictionof the energy needs of a building using artificial neural networks

Résumé traduit

Various studies presented in the literature attempted to find new approaches or improve existing approaches for predicting or estimating the energy needs of a building.

This research présents the results obtained through the development of a prédiction system for the future hourly energy needs applied to one of the École de technologie supérieure (ÉTS) buildings. This study is based on the application of neural network techniques (NN) for the design and development of a prédiction system. Real and simulated databases were used for the development of the neural network. The databases contained hourly values required for the prédiction (e.g., température, humidity, time data, loads, etc.).

The foliowing tasks were performed:
> Data analysis of various variables in order to pick the most relevant ones, improve the output and minimize the noise.
> Design of a model in order to find the most suitable NN architecture for the studied building, the type of neural network needed the number of hidden layers, the number of neurons needed, the type of transfer function used, etc.
> Development of two dynamic models by adapting the neural network for dynamic prediction. One model had a cumulative base; the second model used a sliding window.
> The development and validation of the model.

The obtained variant coefficients (CV) for the different simulations ranged from 8 - 21%, proving the true potential of using NN in the domain of online prediction for the energy needs of a building. Also, this study has revealed certain problems with this type of prediction such as with the start up of the ETS chiller.

Type de document:	Mémoire ou thèse (Mémoire de maîtrise électronique)
Renseignements supplémentaires:	"Mémoire présenté à l'École de technologie supérieure comme exigence partielle à l'obtention de la maîtrise en génie mécanique". Bibliogr : f. [133]-135.
Mots-clés libres:	artificiel, batiment, besoin, consommation, dynamique, energetique, neurone, prediction, refrigeration, refroidisseur, reseau, statique
Directeur de mémoire/thèse:	Directeur de mémoire/thèse Rivard, Hugues
Codirecteur:	Codirecteur Kajl, Stanislaw
Programme:	Maîtrise en ingénierie > Génie mécanique
Date de dépôt:	09 août 2010 17:26
Dernière modification:	03 déc. 2016 01:10
URI:	https://espace.etsmtl.ca/id/eprint/133

Gestion Actions (Identification requise)

Dernière vérification avant le dépôt