In This Issue

Jump to Page

1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | 31 | 32 | 33 | 34 | 35 | 36 | 37 | 38 | 39 | 40 | 41 | 42 | 43 | 44 | 45 | 46 | 47 | 48 | 49 | 50 | 51 | 52 | 53 | 54 | 55 | 56 | 57 | 58 | 59 | 60 | 61 | 62 | 63 | 64 | 65 | 66 | 67 | 68 | 69 | 70 | 71 | 72 | 73 | 74 | 75 | 76 | 77 | 78 | 79 | 80 | 81 | 82 | 83 | 84 | 85 | 86 | 87 | 88 | 89 | 90 | 91 | 92 | 93 | 94 | 95 | 96 | 97 | 98 | 99 | 100 | 101 | 102 | 103 | 104 | 105 | 106 | 107 | 108 | 109 | 110 | 111 | 112 | 113 | 114 | 115 | 116 | 117 | 118 | 119 | 120 | 121 | 122 | 123 | 124 | 125

ON LINE BRUXELLES PATRIMOINES – ACTES DE LA JOURNÉE D’ÉTUDE – 11/12/2014

vous présenter. Certaines informations s’obtiennent plus facilement que d’autres. On réalise que dans le cas courant où les modélisateurs ne sont ni un bureau d’étude spécialisé ni un cabinet d’architectes spécialisés sur le sujet, l’accès aux données s’avère vite compliqué. Notre travail consiste à préparer des modèles avec ces données d’entrée nécessaires et d’estimer les incertitudes associées, que celles-ci soient dues à la fiabilité de l’information récoltée ou à l’intervalle de confiance des valeurs types utilisées. Ensuite, on procède à un certain nombre de simulations d’étude de sensibilités locales et globales pour évaluer l’impact de ces incertitudes sur le résultat en termes de bilan énergétique. Nous utilisons un outil logiciel proche de celui utilisé par la réglementation thermique française sur les bâtiments existants en version recherche. C’est-à-dire que nous ne sommes pas tenus par les conventions de calcul qui imposent les scénarii de référence. Nous avons un fichier météo mesuré localement au pas de temps horaire 1, des scénarii de présence, des apports internes au pas de temps horaire, de la ventilation par ouverture de fenêtre au pas de temps horaire – avec un débit fixe, pour avoir une hypothèse de travail. La perméabilité à l’air a ici été mesurée avec une porte soufflante. On répertorie une trentaine d’entrées (fig. 3). Certaines d’entre elles sont connues dans le détail et d’autres le sont beaucoup moins. Par exemple, on estime avoir une marge d’erreur de seulement 10 % sur les coefficients U des parois vitrées. En revanche, on a du mal à estimer les masques lointains, c’est-à-dire l’ombrage sur le bâtiment. Les apports internes sont aussi mal connus (évaluation à 50 % près), puisque l’usage des appareils de la maison est variable… On a donc des incertitudes sur ces données d’entrée dont il s’agit d’évaluer la propagation jusqu’à la sortie.

PREMIER CAS D’ÉTUDE : LA MAISON OUVRIÈRE À NOISIEL

C’est une maison ouvrière en briques, séculaire, bi-famille, en banlieue parisienne (fig. 1). C’est un bâtiment classique de ce secteur géographique. De deux niveaux sous combles occupés, elle est symétrique. Les briques appareillées en deux épaisseurs sont enduites à l’extérieur. Il y a également un enduit plâtre intérieur. Certaines fenêtres ont été changées pour du double vitrage des années 1985/1990. D’autres fenêtres sont en simple vitrage. La ventilation est naturelle à l’exception d’une ventilation mécanique ajoutée récemment dans une buanderie. C’est un bâtiment de classe d’inertie plutôt lourde avec des dalles importantes, notamment celle sur cave en briques avec des voûtains et des murs en briques doubles. La maison est occupée au total par trois adultes, qui travaillent.

Le suivi annuel de la consommation a été mesuré par mon service avec des compteurs énergétiques de manière à faire les comparaisons mesure/calcul. Le tout est synthétisé en un graphique (fig. 4). La consommation totale de cette maison de 106 m2 équivaut à 241 kWh/m2/an, soit environ la moyenne française. Le gaz représente 194 kWh/m2/an, notamment pour le chauffage (l’eau chaude sanitaire est aussi gérée par la chaudière). Je commenterai particulièrement ce poste.

La première étape consiste à propager les incertitudes simples. Pour ce faire, nous prenons l’incertitude sur chaque donnée d’entrée, séparément les unes des autres. Il y en a 29 qui sont fixes et une qui bouge. On regarde ensuite l’impact sur les résultats en se plaçant sur les bornes maximales et minimales. Les résultats sont repris dans le graphique de propagation des incertitudes simples (fig. 5).

Regardons quelques-uns de ces résultats. Si on prend les valeurs U des parois opaques, donc les murs en briques et la toiture, on voit qu’en augmentant de 15 % les valeurs déterminées après notre visite sur le terrain, le besoin de chauffage de cette maison augmente de 14 %. On est par conséquent quasiment à du 1 pour 1. De même dans l’autre sens : si on diminue de 15 %, on réduit d’un peu moins de 14 % le besoin de chauffage. La température est également une variable importante : les températures de l’air dans le logement ont été mesurées. Une moyenne pour le logement est calculée à partir de ces mesures dans les pièces. Une variation de 0,7° C des températures de consignes dans la modélisation, correspondant à la fourchette haute de l’incertitude sur les températures intérieures réelles mesurées, implique un écart de besoin en chauffage de 10 %. Le métré a aussi de l’importance et elle est souvent sous-estimée. En effet, si on se trompe de 7 % sur l’estimation des surfaces déperditives, on atteint facilement 7, 8 ou 9 % d’écart en besoin de chauffage en scénario hiver (l’étude ne s’est pas intéressée à ce qui se passe en été). Or, on sait que la marge d’erreur des mesures au laser est de 3 ou 4 % et tous les diagnostiqueurs ne réalisent pas les métrés au laser, certains travaillent sur les plans de conception... Les imprécisions à l’entrée de notre modèle de simulation ont donc



60 | Analyse des incertitudes sur des simulations thermiques dynamiques de logements anciens