Badr Chegari

Le bâtiment est considéré comme le premier secteur consommateur d'énergie dans le monde. Au Maroc, face à la crise économique et aux engagements pris pour limiter les effets du réchauffement climatique, il est devenu impératif de réduire la consommation énergétique des bâtiments. Dans ce contexte, la recherche de solutions techniques optimales au regard des performances liées à la demande d'énergie et au confort est un problème très complexe en raison du nombre élevé de paramètres à prendre en compte. Pour remédier à ce problème, un état de la technique des méthodes existantes dans cet axe de recherche est réalisé. Celui-ci nous a amené à constater que plusieurs lacunes existent dans l'utilisation de ces méthodes, principalement le temps de calcul élevé qu'elles nécessitent et le manque de contrôle de la convergence des résultats vers les optima globaux recherchés.Cette thèse a pour objectif principal le développement d'une nouvelle méthode puissante, fiable et rapide pour la conception de bâtiments confortables et efficaces sur le plan énergétique. En se basant sur des outils de simulation numérique et sur les techniques d'intelligence artificielle, nous avons développé avec succès des modèles de substitution permettant la prédiction optimale des besoins énergétiques et du confort thermique pour le cas des bâtiments résidentiels. Le choix et la configuration des variables de conception sont soigneusement établis sur la base de l'état actuel de la technique, soutenu par une analyse de sensibilité, afin de mieux comprendre à la fois l'influence de chaque variable sur la performance attendue et la corrélation entre elles. Cela nous a permis de formuler mathématiquement le problème à optimiser, dont la résolution entraîne la recherche de solutions optimales dans une dimension multi-objectif. A l'aide des algorithmes métaheuristiques, le processus d'optimisation est réalisé avec succès conduisant à la génération de la frontière de Pareto optimale, qui n'est autre qu'un ensemble de solutions optimales par rapport aux critères considérés. Cet ensemble de solutions permet d'atteindre l'objectif souhaité avec une très bonne précision, et surtout un temps de calcul drastiquement réduit. Cette méthode peut donc être un outil très efficace pour aider les concepteurs et les décideurs dans le domaine de la construction à concevoir des bâtiments confortables et à haute efficacité énergétique.

The Cool Roof concept, known for its efficiency in summer due to high temperatures during this period, employs a light coating that covers the roof to prevent the absorption of heat and maintain lower indoor temperatures. This study integrates a chemical component with biomaterials to enhance performance and reduce CO₂ emissions. The composition investigated in this research is recognized for its durability and ability to lower outside temperatures, thereby mitigating the urban heat island effect. This experimental study evaluates the sustainability of CoolRoofs in a cold room located in Signes, France. Temperature measurements are conducted from 25 September 2023 to 27 July 2024, both with and without the coating, to assess energy performance and CO₂ emissions. The selection of the building type ensures optimal performance in both summer and winter. Results show that the maximum outside and inside surface temperatures for a Cool Roof are 48.7 °C and 25.6 °C, respectively, compared to 72.9 °C and 32.2 °C for an uncoated roof. Additionally, implementing a CoolRoof reduces thermal load through the cold room by 56%, while CO₂ emissions can be reduced by up to 27.31 kg CO₂/m² over a 20-year period. This study presents a solution for enhancing energy and environmental performance year-round using a resilient composite.

In the realm of positive building design, local energy production systems are gaining prominence. Strategies aimed at advancing this concept often involve optimizing hybrid renewable systems through various means, including sizing, maximizing power extraction, or energy management. Among these, energy management holds particular significance, especially in systems incorporating dual energy storage sources, as addressed in our work. Here, we explore the optimization of hybrid renewable systems, focusing on photovoltaic, wind, pumped storage, and battery storage as energy sources in a proposed hybrid local energy generation system. Managed by a multi-source controller, driven by an optimal energy management system, our approach aims to better fulfill the thermal needs of buildings in semi-arid climates. The system’s modeling and calculation processes are conducted within the TRNSYS environment. Utilizing TRNSYS embedded computers, the controller is programmed according to a tailored energy management algorithm. Simulation results demonstrate the system’s capability to effectively meet energy demands by leveraging renewable energy sources. Notably, our system showcases a remarkable 39% improvement in energy self-sufficiency compared to conventional approaches. Future research endeavors will explore the integration of high-resistivity phase change materials to further enhance positive building design.

The objective of energy transition is to convert the worldwide energy sector from using fossil fuels to using sources that do not emit carbon by the end of the current century. In order to achieve sustainability in the construction of energy-positive buildings, it is crucial to employ novel approaches to reduce reliance on fossil fuels. Hence, it is essential to develop buildings with very efficient structures to promote sustainable energy practices and minimize the environmental impact. Our aims were to shed some light on the standards, building modeling strategies, and recent advances regarding the methods of control utilized in the building sector and to pinpoint the areas for improvement in the methods of control in buildings in hopes of giving future scholars a clearer understanding of the issues that need to be addressed. Accordingly, we focused on recent works that handle methods of control in buildings, which we filtered based on their approaches and relevance to the subject at hand. Furthermore, we ran a critical analysis of the reviewed works. Our work proves that model predictive control (MPC) is the most commonly used among other methods in combination with AI. However, it still faces some challenges, especially regarding its complexity.