Les effets des variables suivantes doivent d'abord être éliminés :

La solution classiquement utilisée dans les outils de suivi

Des indicateurs de performance sont définis à partir d'une régression des consommations par rapport aux variables explicatives.

Exemple : signature énergétique pour la relation avec la température extérieure, corrélation aux températures de consigne, etc.

La difficulté d'application dans des bâtiments modernes

Les bâtiments de conception récente présentent des consommations :

En conséquence les signatures énergétiques sont trés dispersées (cf. figure) et donc difficilement utilisables comme étalons de performance.

La solution Cofely Axima : Spell - un modèle calibré couplé à la GTC

Spell = Suivi de la Performance Energétique LocaLe

Au cœur du système : un modèle détaillé du bâtiment et des installations CVC

Nous avons consacré plusieurs années de R&D à développer les techniques nécessaires à une modélisation couplée du bâtiment et des systèmes CVC, fidèle aux principes fonctionnels.

L'enjeu est de représenter le plus finement possible la relation entre les consommations d'énergie et les variables qui les expliquent.

Un étalon de performance sans équivalent en termes de précision et d'aide au diagnostic

A partir des variables explicatives mesurées par la GTC, le modèle calcule la consommation journalière théorique correspondant au fonctionnement de l’installation telle que conçue.

Un intervalle de confiance environne la consommation théorique pour couvrir les incertitudes de calcul et de mesure.

Le modèle fournit une image inédite en exploitation du niveau de performance visé à la conception : la confrontation à la consommation mesurée permet de valider l'atteinte du niveau de performance énergétique.

Corriger l'effet des incertitudes paramétriques

Les paramètres d'entrée d’un modèle (ex: infiltrations, occupation, températures) présentent une incertitude intrinsèque due à la mesure et/ou à leur nature.

Même les modèles les plus réalistes propagent ces incertitudes. D'où une incertitude sur les consommations calculées relativement importante.

L'objectif du calibrage est d'identifier le jeu de paramètres d’entrée qui permet de minimiser l’écart entre les consommations calculées par le modèle et les consommations effectivement mesurées sur une période de référence (de l’ordre de deux semaines).

Méthode d'optimisation probabiliste

Nos travaux de R&D nous ont conduits à développer une technique de calibrage fondée sur une approche probabiliste (calibrage bayésien). Elle permet de tirer le meilleur parti des informations disponibles sur les paramètres d’entrée.

L'intégration au système de suivi existant

Spell s'intègre aisément à un système existant...

Nous fournissons notre cœur de calcul sous forme d'application autonome, qui permet son intégration dans un système de suivi existant par l’intermédiaire de bases de données (type SQL) et d’un fichier texte de paramétrage.

...ou est fourni comme un outil clés en main

Une version de l'outil peut aussi être fournie sous forme de système packagé, où nous développons directement les écrans de paramétrage et de restitution adaptés aux besoins spécifiques du suivi énergétique, sous forme d’une plateforme web.

Synthèse des exigences fonctionnelles

Suivi journalier du niveau de performance énergétique

Sous forme d'analyse rétrospective

Calcul des consommations à partir des spécifications de design et des points de mesure GTC

Restitution sous forme d'intervalle de confiance tenant compte des incertitudes de calcul et de mesure

Capacité d'aide au diagnostic

Identification du système à l'origine d'un défaut de performance constaté

Détection des paramètres clés de la performance via une analyse de sensibilité

Facilité d'intégration à un système existant

Application autonome adaptable à tout système d'exploitation

Interfaces au format standard de base de données relationnelle (MS SQL, MySQL)

Développement optionnel d'une version packagée avec interface graphique dédiée aux fonctions de suivi

Modularité

Approche par "macro-système" type, isolé énergétiquement par la mesure

Possibilité de déploiement partiel ou en séquence selon les priorités du suivi et les points de mesure disponibles

Maîtrise de la complexité du modèle