Soutenance mémoire
Travail de bibliographie sur la performance de la ventilation intelligente
A l’heure actuelle, les systèmes de ventilation intelligents traités dans la littérature scientifique sont essentiellement des systèmes sensibles à l’humidité ou au dioxyde de carbone. Ces deux technologies sont les plus répandues dans le monde, avec en France une préférence d’utilisation depuis une trentaine d’années pour les systèmes hygroréglables.
Pourtant des gains de performance en énergie ou en QAI peuvent également être réalisés avec d’autres stratégies de contrôle. Une étude d’un système de ventilation, qui évalue le nombre d’occupant d’un centre commercial à l’aide d’algorithme intelligent exploitant le taux de CO2, montre que le contrôle par occupation permet des gains d’énergie en diminuant le taux de ventilation par 2 à performance égale en QAI. Mais ces gains pourraient être encore plus importants en améliorant la stratégie de pilotage (Han et al., 2019).
Une autre étude sur les performances d’une maison individuelle avec un système de ventilation basé sur la présence des occupants montre que la consommation d’énergie peut même augmenter avec ce système. En effet lors de l’absence des occupants les concentrations de polluants augmentent lorsque la ventilation est coupée et sont au final plus importantes. Cela nécessite plus d’énergie pour ventiler au retour de l’occupant comparé à un système maintenant des débits constants (Clark et al., 2019). Ici pour améliorer les performances sans dégrader la qualité de l’air intérieur, il est également suggéré d’affiner les stratégies de pilotage de ce système de ventilation à débit variable.
De plus les conclusions d’une étude passant en revue 38 publications au sujet de la ventilation intelligente confirment les gains énergétiques réalisés et le potentiel d’amélioration de la QAI. Mais cette étude souligne également le manque de données concernant les stratégies de ventilation utilisées et de mesures de polluants présents en environnement intérieur (Guyot et al., 2018a)
Ces trois études de 2018 et 2019 montrent le besoin de comprendre les systèmes de ventilation intelligents par des modèles et des mesures, afin d’évaluer leurs performances pour faire évoluer les stratégies de pilotages. Or pour évaluer la performance de la ventilation intelligente il est primordial de développer une première approche performantielle en QAI pour une ventilation à débit constant.
L’approche en débit constant telle que G. Guyot l’a développée pour sa thèse, a levé certains verrous scientifiques (Guyot, 2018). En effet, l’étude des systèmes de ventilation autoréglables à débit constant a permis :
De valider le niveau de détail adéquat pour l’étude des polluants de l’air intérieur.
De confirmer l’importance d’une modélisation fine de la perméabilité des parois intérieures.
De repérer les indicateurs de performance en QAI les plus pertinents.
Ainsi, pour bien suivre l’évolution des polluants de l’air intérieur, il est nécessaire de travailler avec un modèle multizone pour obtenir la QAI à l’échelle de la pièce et d’être précis dans la définition de la perméabilité des parois (Geoffroy et al., 2018). Les indicateurs de performances tels que, l’exposition cumulée en CO2, les doses reçues en formaldéhyde et en PM2,5 ou encore des indicateurs de condensation et de santé basés sur l’humidité, retenus sont alors une base robuste pour aborder une approche en débit variable.
Dans la continuité de ce travail exploratoire, il est néanmoins nécessaire de s’assurer de son applicabilité sur les systèmes de ventilation intelligents avec des débits variables.
Formulation de la problématique
En vue des besoins de modélisation pour la compréhension des systèmes de ventilations intelligents, afin d’évaluer leurs performances pour faire évoluer les stratégies de pilotages, nous proposons pour ce TFE d’utiliser une approche en débit variable.
Ce Travail de Fin d’Étude (TFE) s’insère dans la poursuite du développement d’une méthode numérique pour l’évaluation de la performance globale d’un logement basse consommation. Il s’appuie en partie sur le modèle et les méthodes développées par G. guyot pour les systèmes de ventilation à débit constant, dans ses travaux de thèse.
L’objectif de ce TFE est de modéliser la performance du point vue de la QAI assurée sur une période de chauffe, par un système de ventilation à débit variable. Ceci permettant par la modélisation d’une ventilation de type hygroréglable à l’aide du logiciel de simulation aéraulique CONTAM, de répondre aux deux problématiques suivantes :
Comment la performance en QAI évolue avec l’utilisation d’un système de ventilation en débit variable ?
En présence de systèmes de ventilation intelligente, avec quel niveau de détail est-il nécessaire de modéliser les distributions de perméabilité à l’air ?
Définition des hypothèses de modélisation
Dans cette partie seront détaillés les choix des données modélisées, tel que le bâtiment d’étude, les hypothèses de scénario d’occupation, les conditions initiales, météo etc… Une grande partie des choix retenus se basent sur le modèle en débit constant développé par G. Guyot (Guyot, 2018). Les résultats existants en débit constant pourront de cette manière être facilement comparés avec ceux du modèle en débit variable.
Modélisation CONTAM : Lois physiques utilisées
CONTAM est un logiciel de modélisation multizone développé par le NIST (National Institute of Standards and Technology). Libre de droit, il est utilisé dans de nombreux cas d’applications dans le domaine de l’aéraulique, tels que l’analyse de QAI, la gestion des flux de ventilation ou la propagation de fumés et a largement été validé scientifiquement (Walton and Emmerich, 1994).
Il fait partie de la catégorie des codes en pression, c’est-à-dire qu’il calcule les pressions de référence dans chacune des zones à partir de l’équation 2-1 de bilan de masse et peut ainsi en déduire pour chaque zone interne d’un bâtiment, la différence de pression, puis les flux d’air, puis la concentration de polluants.
Modélisation CONTAM : données modélisées et conditions initiales
Le bâtiment utilisé dans ce cas d’étude est une habitation basse consommation à deux niveaux modélisée en 11 zones (figure 2-2) avec une zone condition extérieures (météo et pollution). Le premier niveau se compose d’un hall d’entrée, d’un bureau (CH4), d’une salle de bain (SDB_RDC), d’un WC (WC_RDC) et d’une pièce de vie avec cuisine (PAV). Le deuxième niveau comprend trois chambres (CH1, CH2, CH3), une mezzanine (MEZ), un WC (WC_ETA) et une salle de bain (SDB_ETA).
Jusqu’à une année entière peut être simulée dans CONTAM, cependant l’étude se portera uniquement sur une période de chauffe. En effet, l’été en France les occupants ouvrent les fenêtres et la climatisation n’est que peu présente dans les logements. Sur cette période l’évaluation de la performance en QAI reviendrait alors à évaluer la performance des occupants et non plus du système de ventilation. La simulation se déroulera donc sur une période de chauffe c’est-à-dire du 15 Octobre 00h au 14 Avril 24h avec un pas de temps de 10 minutes pour un total de 4368 heures.
Scénarios en entrée du modèle : occupation, émission
Le mode d’occupation du logement et le rythme de vie des habitants conditionne l’évolution des polluants tout au long de la journée. En effet, l’occupant en tant que source, mais aussi par ses activités telles que la cuisine ou la douche va émettre de l’H2O et du CO2. Le temps d’occupation des pièces par occupant influence également l’exposition individuelle aux polluants. Le calendrier retenu reprend le même scénario d’occupation basé sur l’étude de (Zeghnoun et al., 2010)pour rester en cohérence avec la modélisation existante.
Plusieurs niveaux de perméabilité à l’air entre les parois
Le deuxième point de la problématique, vise à évaluer le niveau de détail nécessaire pour la modélisation de la perméabilité entre les parois avec un modèle de ventilation intelligente. En effet, l’étude initiale de G. Guyot(Guyot, 2018) visait à évaluer l’importance de la prise en compte de l’étanchéité à l’air des parois pour l’étude des performances en ventilation. Pour étudier l’importance d’une modélisation fine des parois intérieures, plusieurs niveaux d’étanchéité de l’enveloppe ont été défini :
Le cas a : Enveloppes parfaitement étanches
Le cas b : Distribution uniforme des défauts d’étanchéité à l’air sur les parois externes (cas de référence le plus proche des hypothèses retenues dans le calcul RT 2012)
Le cas c : Distribution non-uniforme des défauts d’étanchéité à l’air sur les parois externes
Les cas d1, 2, 3, 4 : Distribution non-uniforme des défauts d’étanchéité à l’air sur les parois externes et internes
Ici, dans les cous délais de ce TFE seul les cas b, c, d2 et d4 seront utilisés pour le développement et l’étude d’impact des systèmes de ventilation en débit variable. Les cas d et d2 représentent les valeurs d’étanchéité pour une habitation en structure lourde, là où les cas d3 et d4 représentent les valeurs d’étanchéité pour une habitation en structure bois.
Pour la suite les 8 cas d’études issues de l’association des deux modèles de ventilation et des 4 cas de perméabilité à l’air seront nommés :
auto_b, auto_c, auto_d2, auto_d4 en ventilation autoréglable
hygro_b, hygro_c, hygro_d2, hygro_d4 en ventilation hygroréglable
Au final, ces 8 cas d’étude, posent une base suffisamment variée pour répondre aux deux axes de la problématique.
Lois de fonctionnement et principes physiques du modèle hygroréglable
Pour modéliser les entrées d’air ainsi que les bouches d’extraction hygroréglables, il est nécessaire de développer des modèles sur mesure. En effet les composants proposés par défaut dans CONTAM n’offrent pas la possibilité de piloter le débit d’air en fonction de l’humidité relative intérieure. En s’appuyant sur les fondamentaux théoriques utilisés dans CONTAM pour modéliser un flux d’air, il est possible de mettre en équation le fonctionnement des entrées d’air hygroréglables et reproduire le mode de fonctionnement des entrées et bouches d’extraction.
Loi de flux en fonction de la surface d’entrée d’air hygroréglables (EA_HR)
Parmi les lois proposées par CONTAM (Dols and Polidoro, 2015), nous avons sélectionné la relation suivante entre le débit d’air, la surface d’entrée d’air et la différence de pression intérieur/extérieur.
Démonstration : Conversion de l’humidité spécifique en humidité relative
Les caractéristiques techniques de fonctionnements pour des bouches d’extraction et entrées d’air hygroréglables sont données dans la documentation (Aldes, n.d.) en fonction de l’humidité relative de l’air de la zone. L’humidité relative (??) est définie comme le ratio entre la pression de vapeur actuelle et la pression de vapeur saturante à une température donnée tel que.
Indicateurs de performance
Les conséquences des polluants sur la santé se manifestent par des irritations, de l’asthme, des allergies ou encore des maladies respiratoires. Les principaux polluants, prioritairement ciblés comme ayant un impact sur la santé sont les particules (PM10, PM2.5), l’humidité, le formaldéhyde et l’acroléine. De nombreux autres polluants sont également identifiés par l’OQAI et l’AIVC comme marqueur de qualité d’air intérieure dans un bâtiment (Borsboom et al. 2016; OQAI s. d.).
L’enjeu ici est de déterminer, lesquels de ces polluants peuvent être utilisés pour le calcul des bons indicateurs de performance en qualité d’air dans un bâtiment. Les polluants pour calculer les retenus comme indicateurs de performance sont (Guyot, 2018) :
Le CO2,
Le formaldéhyde,
Les particules fines,
L’humidité.
Cependant les particules fines ne seront pas retenues et utilisées dans ce TFE comme indicateur, car le manque de données pour l’estimation des sources d’émission intérieures ne permet pas à ce stade de les intégrer dans la modélisation.
D’autre part, la circulation d’air joue un rôle dans la répartition des polluants dans un bâtiment. Or, la distribution de la perméabilité à l’air des parois intérieures impacte cette circulation d’air. Celle-ci peut être évaluée par un indicateur complémentaire qui est le taux de renouvellement d’air par zone.
Dans la suite de cette partie sera détaillé, le fonctionnement des 4 indicateurs regroupés dans un seul outil d’évaluation de performance QAI.
Le CO2
Avec des concentrations moyennes mesurées dans l’air intérieur comprises entre 350 et 2000 ppm (Kirchner and et. al., 2007), le CO2 ne présente pas de risque notable pour la santé dans un logement. Les premiers effets sur la santé ne commencent à se manifester qu’à partir de 10 000 ppm avec une acidose respiratoire chez l’adulte(OQAI, n.d.; Ramalho et al., 2015) .
Cependant la concentration de CO2 est largement utilisée dans le domaine de la ventilation pour réguler le renouvellement de l’air, celle-ci étant bien comprise et référencée dans la littérature (Guyot et al., 2018b). De plus certaines études montrent des signes de corrélation entre la concentration de CO2 et la présence d’autres polluants comme acétaldéhyde, formaldéhyde, benzène, acroléine, PM2.5, et PM10 (Ramalho et al., 2015).
La présence de CO2 dans une zone est alors utilisée comme indicateur de performance par le calcul de l’exposition cumulé dépassant 1000ppm. Les zones concernées par cet indicateur sont uniquement les chambres, car ce sont les pièces ou les occupants passent le plus de temps (la nuit principalement) et donc les lieux où le plus de CO2 est émis. L’exposition cumulée sur toute la période de simulation est calculée par zone telle que.
Le formaldéhyde
Identifié comme hautement prioritaire par l’OQAI (Alméras, 2010) l’exposition chronique au formaldéhyde peut engendrer des gènes respiratoires et à long terme peut causer un cancer nasopharyngé (OQAI, n.d.). Les sources de formaldéhyde dans un logement sont de natures multiples, elles sont issues par exemple des cosmétiques, tapis, panneaux de bois en résine, peintures, vernis, sol en vinyles, pvc, adhésifs etc.
L’indicateur de formaldéhyde, se concentre ici sur l’exposition des occupants. L’exposition cumulée de formaldéhyde est calculée pour chaque occupant sur toute la durée de simulation telle que.
Présentation des caractéristiques techniques du système de ventilation hygroréglable modélisé
Le système de ventilation hygroréglable choisi pour être modélisé appartient à la gamme EasyHome hygro de la marque Aldes(Aldes, n.d.). Cette marque de système de ventilation est fiable et reconnue dans le domaine tout en étant certifiée par le CSTB. De plus la documentation concernant cette gamme est abondante et largement détaillée ce qui a facilité la compréhension du fonctionnement du système.
L’analyse de l’avis technique (Aldes, 2018) de ce système précise que pour une maison de type 7 (cas d’étude), il faut la configuration composée des éléments suivants :
Un caisson de ventilation qui est l’élément principal d’extraction de l’air vicié intérieur vers l’extérieur. Celui-ci se présente sous un format classique destiné à être accroché dans les combles et dans un format compact destiné à être encastré dans une cloison ou un faux plafond.
Création du super élément d’entrée d’air EA_HR
Le super élément développé pour les entrées d’air hygroréglable (EA_HR) reprend en partie la structure utilisée dans B21 et B23. Les entrées d’air hygroréglables ne varient pas directement en débit d’air mais plutôt en aire d’ouverture (A). Nous avons fait l’hypothèse que ce A varie en fonction de HR de manière linéaire tel que A = 4cm² pour HRmin et A = 31cm² pour HRmax (Aldes, 2018). De manière analogue à la méthode utilisée pour B21 et B22, un A théorique est calculé pour le HR de la pièce à chaque pas de temps. Si ce dernier est inférieur (resp. supérieur) à Amin (resp. Amax) alors A sera égal à Amin (resp. Amax). Dans les autres cas, A sera directement donné par le A théorique calculé.
Récapitulatif et bilan du modèle
Le développement du modèle hygroréglable basé sur le système de ventilation Easy Home premium HP, a nécessité la création de 6 supers éléments. Ces super éléments reproduisent le fonctionnement physique de chaque composant du système de ventilation en se basant sur les lois physiques les décrivant. Ainsi par l’assemblage de ces supers éléments, les bouches d’extraction et entrées d’air hygroréglables modélisées répondent aux caractéristiques décrites dans l’avis technique.
PRÉSENTATION ET ANALYSE DES RÉSULTATS
Résultats sur la performance de la ventilation hygroréglable
Les résultats de performance calculés sont représentés par indicateur en figure 4-1:
L’indicateur CO2, est selon les cas, 27,5 % plus élevé ou 10% plus faible que la valeur seuil à ne pas dépasser qui est de 4.4. 106 ppm.h. La chambre 1 est, avec 5,67.106 ppm.h, la pièce où l’exposition moyenne cumulée est la plus forte. Quelques soit les cas, la chambre 1 est toujours celle avec ICO2 le plus haut. Cela peut s’expliquer car elle est la pièce ou les émissions de CO2 sont les plus fortes avec les deux adultes comme occupants.
L’indicateur en Formaldéhyde est dans tous les cas supérieurs à la valeur seuil et jusqu’à 2,5 fois pour les cas b et c. Pour les cas b et c, c’est l’enfant 1 qui est le plus exposé et la mère pour les autres cas. Les hautes valeurs d’exposition par rapport au seuil peuvent s’expliquer par les 9 μg.m-3 utilisés pour calculer le seuil acceptable, celle-ci étant la plus petite valeur utilisée dans le monde pour évaluer les émissions de formaldéhyde.
L’indicateur d’humidité IHR30_70 est inférieur à la valeur seuil d’environ 35% à 40% dans tous les cas et jusqu’à 90% dans le cas c. La chambre 4 est la pièce qui est le plus longtemps hors de la plage d’humidité [30-70%].
L’indicateur d’humidité IHR70 est dans les 4 cas inférieur de 65% à 70% par rapport au seuil de temps passé avec une humidité supérieure à 70%. La pièce la plus exposée est la Salle de bain de l’étage qui est la plus utilisée pour les cas b c et d2, suivit de la Salle de bain du rez-de-chaussée pour le cas d2. Ces pièces sont effectivement celles ayant les plus grandes sources d’humidité.
Analyse
Les analyses qui suivent visent à comparer la performance des systèmes de ventilation entre eux et à mieux quantifier l’impact des hypothèses réalisées sur les distributions de perméabilité à l’air.
Comparaison entre les systèmes
A première vue des indicateurs de performance, il est difficile d’affirmer lequel de ces deux systèmes de ventilation est le plus performant en QAI. Sur le diagramme radar regroupant les résultats des deux systèmes en figure 4-2, apparaissent en nuances de rouge les résultats de la ventilation autoréglable et en nuances de bleu les résultats de la ventilation hygroréglable.
Limites et perspectives
La première limite de cette étude est son approche entièrement numérique. Les résultats obtenus par le modèle de ventilation hygroréglable n’ont pas pu être contrôlés avec des résultats en conditions réelles. Des mesures en conditions de laboratoire d’essais pourraient être réalisées, pour valider et calibrer le modèle numérique développé. Cela pour s’assurer que le modèle reproduit bien le comportement réel du système, ou du moins un comportement approché qui peut être corrigé par la suite. A plus grande échelle des mesures dans plusieurs logements pourraient être effectuées, pour avoir plus de données et une meilleure appréciation du modèle face à un nombre plus important de simulation. De plus, un plus grand nombre de comparaison de données mesurées et de données simulées appuierait ou non les premiers résultats de performance obtenus.
Dans cette perspective, un travail de simplification et d’optimisation des super éléments doit être réalisé pour faciliter la réplication du modèle de ventilation hygroréglable développé. En effet pour adapter le modèle autoréglable en modèle hygroréglable, plus d’une vingtaine de super élément ont dû être mis en place et ce pour les 4 cas d’étude de perméabilité. Ce travail de paramétrage, c’est avéré plutôt long et fastidieux. Une optimisation du nombre de paramètre à renseigner (‘’sensor’’, noeud, super élément, liens etc.), peut limiter les sources d’erreurs et être un gain de temps non négligeable en cas de reproduction à grande échelle.
De même le processus d’extraction, de conversion et d’exploitation des données nécessite pour l’instant beaucoup de manipulation de fichier et s’avère répétitif. La méthode de traitement des données entre CONTAM et les résultats finaux peut être optimisée pour réduire le nombre d’étapes à réaliser voire être automatisée. Un traitement automatisé permettrait de traiter un plus grand nombre de donnée et de facilité l’analyse des résultats.
Un point d’amélioration dans la modélisation de la pièce de vie peut être fait. Celle-ci dans le modèle existant est considérée comme une seule grande zone sans distinction entre le salon et la cuisine. En conséquence la bouche d’extraction d’air au niveau de la cuisine est sensible à l’humidité relative d’un grand volume. Ce qui ne rend pas tout à fait compte de l’humidité réelle au niveau de la cuisine. Les sources y étant plus importantes, une séparation de zonage entre la cuisine et salon pourrait affiner l’humidité relative des zones. Le comportement des bouches d’extraction de la cuisine et des entrées d’air du salon, serait ainsi plus prêt de la réalité pour la pièce à vivre.
Au vu des résultats obtenus, les indicateurs ICO2 et IHR30_70 pourraient être affinés vis-à-vis de l’occupation de la pièce. Car ces deux indicateurs sont des indicateurs de santé donc il serait plus pertinent de se focaliser plutôt sur la période pour laquelle l’occupant est dans la pièce que sur toute la période de chauffe. En effet si l’utilisateur n’est plus dans la pièce lorsque par exemple l’humidité relative est inférieure à 30% ou que le taux de CO2 est trop important, il n’est plus exposé et les risques pour la santé sont plus faibles.
|
Table des matières
Liste des illustrations
1. ÉLÉMENTS INTRODUCTIFS ET PROBLÉMATISATION
1.1 Contexte général
1.1.1 Objectifs ambitieux de réduction de la consommation d’énergie des bâtiments
1.1.2 La qualité d’air intérieur vecteur de santé publique
1.1.3 La ventilation comme élément de performance globale des bâtiments
1.2 Les technologies de ventilation
1.2.1 La ventilation naturelle
1.2.2 Les ventilations mécaniques contrôlées
1.2.3 La ventilation intelligente
1.3 Travail de bibliographie sur la performance de la ventilation intelligente
1.4 Formulation de la problématique
2. MÉTHODOLOGIE
2.1 Définition des hypothèses de modélisation
2.1.1 Modélisation CONTAM : Lois physiques utilisées
2.1.2 Modélisation CONTAM : données modélisées et conditions initiales
2.1.3 Scénarios en entrée du modèle : occupation, émission
2.1.4 Définition et différentiation des cas d’études
2.1.5 Plusieurs niveaux de perméabilité à l’air entre les parois
2.2 Lois de fonctionnement et principes physiques du modèle hygroréglable
2.2.1 Loi de flux en fonction de la surface d’entrée d’air hygroréglables (EA_HR)
2.2.2 Démonstration : Conversion de l’humidité spécifique en humidité relative
2.2.3 Spécificité de la température du capteur d’humidité pour le calcul de Pvsat
2.3 Indicateurs de performance
2.3.1 Le CO2
2.3.2 Le formaldéhyde
2.3.3 L’humidité relative
2.3.4 Indicateurs de performance retenus
2.4 Exploitation des résultats avec R studio
2.4.1 Lecture des données de simulation
2.4.2 Conversion des grandeurs physiques
3. DÉVELOPPEMENT CONTAM DES ÉLÉMENTS HYGROREGLABLES
3.1 Présentation des caractéristiques techniques du système de ventilation hygroréglable modélisé
3.2 Mise en équation et création des supers éléments
3.2.1 Création du super élément de conversion humidité spécifique (HS) en humidité relative (HR)
3.2.2 Création du super élément B21 et B23
3.2.3 Création du super élément C21
3.2.4 Création du super élément d’entrée d’air EA_HR
3.2.5 Création du super élément W13
3.3 Récapitulatif et bilan du modèle
4. PRÉSENTATION ET ANALYSE DES RÉSULTATS
4.1 Résultats sur la performance de la ventilation hygroréglable
4.2 Analyse
4.2.1 Comparaison entre les systèmes
4.2.2 Comparaison entre les distributions de perméabilité à l’air
4.3 Limites et perspectives
5. CONCLUSIONS
Bibliographie
Annexes
Télécharger le rapport complet
