Makhlouf Ameni

Auteur/e

Makhlouf Ameni

Discipline

Sciences pour l'ingénieur, génie électrique

Titre

Régulation énergétique par fusion de données hétérogènes et incertaines dans le cadre de l'habitat intelligent

Université

Amiens, Monastir (Tunisie)

Date de soutenance

05/07/2018

Directeur/trice de thèse

Laurent Delahoche, Bruno Marhic et Hassani Messaoud

Résumé

L'habitat intelligent est une nouvelle tendance dans les bâtiments résidentiels. Dans ce cadre, notre travail s'inscrit dans le but de réduire la consommation de chauffage. La difficulté du paradigme réside dans le maintien du confort thermique tout en minimisant la consommation. Le cadre formel de notre travail est la théorie des fonctions de croyance qui offre une flexibilité dans la modélisation des données incertaines. La contribution principale de cette thèse est portée par des algorithmes de fusion comportant des données hétérogènes. Une méthodologie spécifique a été mise en place pour la conception de distribution de masses des fonctions de croyance. Le résultat de ces algorithmes est un gradient de température qui intégré, sera la référence de température dans la commande automatique du chauffage. Concernant, la commande du chauffage, nous avons choisi la commande prédictive généralisée (GPC) pour sa capacité à optimiser la fonction de coût. Deux stratégies de fusion sont proposées. Dans le premier algorithme, nous élaborons une fusion de données en deux niveaux; alors que dans le second, nous proposons un algorithme à un seul niveau avec une conception de distribution de masse moins commise. Les résultats de fusion obtenus sont encourageants en termes d'efficacité et de fiabilité. Les simulations du gradient de température avec le GPC montrent que nous obtenons des résultats cohérents ce qui tend à montrer que nous sommes en mesures de proposer des économies de consommation tout en maintenant un niveau de confort thermique convenable.

Mots clés

Gestion du chauffage, architecture de gestion basée sur la fusion des données, consommation d’énergie

Principales conclusions

Nous avons proposé deux algorithmes décisionnels. Le premier se base sur une architecture de fusion à deux niveaux : le premier niveau permet le conditionnement et l’agrégation des informations et le second permet de prendre une décision. Les résultats obtenus ont été jugés intéressants mais dans certains cas le conflit engendré est important. Alors nous avons proposé une seconde approche à un seul niveau basée sur l’extension vide et la modélisation de fonctions de masses non commises. Cet algorithme nous a fourni des décisions avec des valeurs de conflit inférieures à la première et par conséquent des décisions plus fiables. En introduisant la consigne de température dans l’équation de fonction de coût quadratique de la commande prédictive généralisée du chauffage, nous avons obtenu des résultats cohérents avec la GPC dans la plupart des cas.

Articles/WP liés à la thèse

A Smart and Predictive Heating System using Data Fusion based on the Belief theory. Améni Makhlouf, Bruno Marhic, Laurent Delahoche, Arnaud Clérentin, Hassani Messaoud, Studies in Informatics and Control (SIC), Vol 25, No. 3, Septembre 2016, p 283 – 292

CV

https://www.linkedin.com/in/ameni-makhlouf-01741742/

Auteur/autrice

  • Jean Bosvieux

    Jean Bosvieux, statisticien-économiste de formation, a été de 1997 à 2014 directeur des études à l’Agence nationale pour l’information sur l’habitat (ANIL), puis de 2015 à 2019 directeur des études économiques à la FNAIM. Ses différentes fonctions l’ont amené à s’intéresser à des questions très diverses ayant trait à l’économie du logement, notamment au fonctionnement des marchés du logement et à l’impact des politiques publiques. Il a publié en 2016 "Logement : sortir de la jungle fiscale" chez Economica.