Assessment of multiple advanced Bayesian calibration algorithms in building energy models - Centre efficacité énergétique des systèmes Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Assessment of multiple advanced Bayesian calibration algorithms in building energy models

Samih Akkari
  • Fonction : Auteur
Patrick Schalbart

Résumé

. Bayesian calibration of building energy models has attracted many researchers since it combines both the data available and the prior knowledge about the building, and it considers uncertainty of the model's parameters. Bayesian methods can be classified into likelihood-dependent and likelihood-free approaches. In this article, both classes are assessed in terms of accuracy, and computational efficiency using RMSE indicator. For this purpose, in situ measurement of the IBB house of the INCAS platform were analysed. The experimental campaign is split into six different scenarios two of which were kept for validation. The most influential parameters were selected via RBD-FAST sensitivity analysis. It was observed that all algorithms performed well with APMC leading to the lowest RMSE. Globally, there is no large difference between both classes which opens the door for more applications of approximate Bayesian computation in the field of building energy models.
De nombreux chercheurs ont opté pour le calibrage bayésien des modèles énergétiques des bâtiments car il combine à la fois les données disponibles et les connaissances préalables sur le bâtiment, en prenant en compte l'incertitude des paramètres du modèle. Les méthodes bayésiennes peuvent être classées en approches dépendantes de la vraisemblance et sans vraisemblance. Dans cet article, nous tirons parti des deux classes et évaluons leurs comportements en termes de précision et d'efficacité de calcul en utilisant l'indicateur RMSE. À cet effet, des mesures in situ de la maison IBB de la plateforme INCAS ont été analysées. La campagne expérimentale est découpée en six scénarios différents dont deux ont été conservés pour la validation. Les paramètres les plus influents ont été sélectionnés via une analyse de sensibilité RBD-FAST. Il a été observé que tous les algorithmes fonctionnent bien, APMC conduisant au RMSE le plus bas. Globalement, il n'y a pas de grande différence entre les deux classes, ce qui ouvre la porte à d'autres applications du calcul bayésien approché dans le domaine des modèles énergétiques des bâtiments.
Fichier principal
Vignette du fichier
IBPSA 2022 France SA IBPSA-1.pdf (573.12 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03801058 , version 1 (06-10-2022)

Identifiants

  • HAL Id : hal-03801058 , version 1

Citer

Samih Akkari, Patrick Schalbart, Bruno Peuportier. Assessment of multiple advanced Bayesian calibration algorithms in building energy models. ConférenceConférence Francophone de l'International Building Performance Simulation Association ( IBPSA )France 2022, May 2022, Châlons en Champagne, France. ⟨hal-03801058⟩
38 Consultations
23 Téléchargements

Partager

Gmail Facebook X LinkedIn More