1. Pourquoi ?
L’information donnée par la simulation thermique dynamique est nodale, c’est-à-dire que par « zone » thermique, les bilans de chaleur et de masse ne permettent de déterminer qu’une seule grandeur. Si cette approche est adaptée aux bureaux, logements et autres volumes de faible hauteur qui sont raisonnablement vitrés et ouverts sur l’extérieur, dans les espaces très ouverts et vitrés, elle est insuffisante pour la caractérisation du confort.
En effet, en STD les flux solaires incidents dans la zone sont en règle générale répartis sur les différentes surfaces opaques sans conserver la distribution réelle ou, dans les modèles les plus simplistes, intégralement envoyés sur le sol (voir le schéma de principe ci-dessous).
L’estimation de la valeur du champ des vitesses d’air n’est quant à elle pas faite et une valeur arbitraire faible est utilisée pour le calcul du confort (par exemple v=0.13 [m/s] pour energyplus).
Les limitations de cette approche nous amènent à proposer une alternative, enrichissant la STD pour une prédiction spatiale du confort.
2. Méthode proposée
Il s’agit d’obtenir plusieurs champs et scalaires permettant le calcul du confort. Ainsi on détermine successivement les éléments suivants :
- Les pressions en façade sont calculées par une approche de mécanique des fluides et attribuées aux parois & ouvrants dans le modèle thermique dynamique (voir la page dédiée)
- Le champ des vitesses d’air pour chaque direction de vent (coupe 2D à hauteur d’occupation dans la zone d’intérêt à partir du champ 3D)
- La distribution des flux solaires en intérieur, par exemple avec Radiance
- Les températures d’air et humidité relative issues de la simulation thermique dynamique
Il faut ensuite projeter les champs obtenus par les différents outils (à ce sujet voir l’article dans la section Méthodes Numériques).
On peut dès lors calculer le niveau de confort, en se basant sur un indicateur de confort adapté au milieu étudié (une possibilité). Une illustration du principe est proposée sous la forme d’un synoptique sur la Figure 3 ci-après.
Prudence tout de même : plusieurs dizaines d’incertitudes ont été relevées en simulation thermique dynamique [Garnier et. al 2015] ce qui peut fortement impacter les résultats. Notre credo est donc travailler en relatif. On préfère ainsi comparer les différences de tendances ou l’écart entre deux variantes simulées, et non leurs valeurs absolues.
3. Traitement des données obtenues
L’approche développée ci-dessus donne des cartes de confort horaires sur une période annuelle. Un rapide calcul montre que de telles simulations produisent plus de 4 millions de données qu’il s’agit de traiter intelligemment : en effet, si l’objectif de la méthode est d’aller au-delà de la valeur moyenne, il semble absurde de recalculer des moyennes spatiales par pas de temps. Ainsi une exploitation astucieuse des données est à mener.
Une façon de représenter la variabilité du confort est de calculer l’OTCA (Outdoor Thermal Comfort Autonomy) pour l’indicateur de confort \varphi choisi. On calcule d’abord latex]\sigma[/latex] tel que :
\sigma=1 \text{ si } \varphi \in [\varphi_{min}, \varphi_{max}]^\text{comfort zone}
\sigma=0 \text{ si } \varphi \not\in [\varphi_{min}, \varphi_{max}]^\text{comfort zone}
Puis, pour le nombre d’ heures d’occupation N, on détermine la moyenne de cet indicateur en tout point de l’espace
\text{OTCA} = \frac{1}{N} \sum_{1}^{N}\sigma
[Suite à venir…]
