A CONTRIBUTION TO ARTIFICIAL INTELLIGENCE-BASED THERMAL COMFORT CONTROL WITH DYNAMIC MODELING FOR SMART BUILDINGS

Abstract

Différents facteurs, tels que le confort thermique, la qualité de l'air intérieur, la ventilation, l'humidité et les conditions acoustiques, ont des effets combinés importants sur l'acceptabilité et la qualité des activités réalisées par les occupants des bâtiments qui passent une grande partie de leur temps à l'intérieur. Parmi les facteurs cités, le confort thermique, qui contribue au bien-être humain en raison de son lien avec la thermorégulation du corps humain. Par ailleurs, la relation entre l'occupant et son environnement ainsi que l'ensemble du bâtiment est complexe et interdépendante, et elle a un impact significatif sur l'efficacité énergétique. Par conséquent, le développement d'environnements thermiquement confortables et énergétiquement efficaces joue un rôle important dans la conception des bâtiments et ainsi des systèmes de chauffage, de ventilation et de climatisation. À cet égard, diverses études ont été menées, depuis des décennies, y compris des enquêtes et des expérimentations afin d'établir des normes pour évaluer le confort et les facteurs thermiques, ainsi que les paramètres de réglage des systèmes CVC. Cependant, la plupart des travaux de recherche rapportés dans la littérature traitent uniquement des paramètres qui ne sont pas suivis dynamiquement. Pour surmonter cette lacune, cette thèse présente une approche axée sur les données pour développer un modèle de confort personnalisé en utilisant des caractéristiques liées a l’homme telles que des paramètres anthropométriques comme la morphologie du corps traduite par l’indice de masse corporelle, et des variables environnementales pour prédire des indicateurs de confort thermique. Une large base de données contenant des données expérimentales sur le confort humain au sein des plusieurs bâtiments réels est utilisée, ici, pour estimer la probabilité de sensation, d’acceptabilité et de préférence thermique individuelle. Le modèle développé sera mis en oeuvre a l’intérieur des bâtiments pour configurer les systèmes CVC, où les occupants pourront être identifiés de manière nonintrusive. Cela permettra de modifier dynamiquement les réglages de température et donc d’atteindre le niveau du confort attendu.