Search

International audience; One way to predict the behavior of a building is to use an inverse model, identified from energy data measured on site. The inverse models are adaptive, faster to execute and easier to configure than detailed building models. The objective of this study is to select an inverse model suitable to implement heating load shedding. A linear "black box" model (state space model) is compared to a simplified “grey box” physical model. The results show that the selected “grey box” model has the same performance as a black box model for heating load prediction, and is more accurate for predicting indoor temperature and to represent load shedding strategies. Moreover, unlike the "black box", it allows to set up scenarios imposing a limit of heating power.; Une des façons de prévoir le comportement d’un bâtiment est d’utiliser un modèle inverse, construit à partir de données énergétiques mesurées sur site. Les modèles inverses sont adaptatifs, rapides à exécuter et plus faciles à paramétrer que des modèles de bâtiment détaillés. L’objectif de cette étude est de sélectionner un modèle inverse adapté à la mise en place de stratégies de délestage en chauffage. Un modèle linéaire de type « boîte noire » (équations d’état) est comparé à un modèle physique simplifié de type « boîte grise. Les résultats montrent que le modèle « boîte grise » sélectionné a des performances équivalentes au modèle « boîte noire » pour la prévision des besoins de chauffage, et est plus précis pour la prévision de température intérieure et pour représenter les stratégies d’effacement. En outre, contrairement au modèle « boîte noire », il permet de mettre en place des scénarios imposant une limite de puissance de chauffage.