optimisation des paramètres du modèle d'après les données réelles

[alexjunk]

On a retenu pour le simulateur l'utilisation d'un modèle R1C1 car il est peu compliqué à mettre en œuvre et assez bien représentatif du comportement thermique d'un bâtiment. En matière de vérité terrain et pour procéder à des optimisations, il nécessite des données facilement disponibles avec les technologies actuelles : températures intérieure et exterieure, puissance instantanée de chauffage.

Dans la littérature, on trouve des modèles R3C2, mais celà demande de mesurer la température de la paroi, ce qui est peu commode.

algorithme d'optimisation : minimize de la bibliothèque scipy , method="BFGS"

circuit nord - ts = 1641828600

5 jours de données (un peu plus de 400000 secondes)
p0: [1e-4, 1e8]
w0: [2, 3]

débit 6.5 m3/h - step : 300 s

débit 5 m3/h - step : 300 s

débit 5 m3/h - step : 900 s

convergence beaucoup moins bonne

circuit cellules - ts = 1605069900

débit 6 m3/h - step : 3600 s

la valeur dans conf.py est une moyenne de plusieurs optimisations, elle diffère de celle qu'on voit sur le graphe de l'optimisation ci-dessus, mais l'ordre de grandeur est similaire

à ce moment, je mesurais température de départ et température de retour, donc j'avais une meilleure visibilité sur le deltaT
pour la culture générale, la figure ci dessous montre que la température de retour est une fonction affine de la température de départ