Énergie
Utilisez System Modeler pour développer des modèles précis de systèmes éoliens, solaires et autres systèmes de production et de distribution d’énergie. Combinez-les avec Mathematica pour une optimisation et une analyse plus poussées.
Climatisation : effet de l’orientation d’un bâtiment
Quelles sont les propriétés des bâtiments qui influencent l’énergie dépensée pour la climatisation ? Cet exemple utilise les données de 768 bâtiments résidentiels divers pour prédire la charge thermique de leur climatisation en entraînant un réseau neuronal. Reliez ce réseau à des composantes de modélisation thermique pour étudier l’effet de l’orientation d’un bâtiment.
Pour exécuter cet exemple, il vous faut
les dernières versions de System Modeler et Mathematica.
Veuillez choisir :
Obtenirun essai gratuit Continuer
le téléchargement
Prétraitement des données
Nous utilisons un ensemble de données contenant des exigences de charge thermique basées sur des paramètres de construction tels que la compacité, le vitrage ou l’orientation. L’ensemble des données est importé dans Wolfram Language et est épuré afin d’être adapté à l’apprentissage du modèle.

Ensemble de données provenant de A. Tsanas et A. Xifara, « Accurate Quantitative Estimation of Energy Performance of Residential Buildings Using Statistical Machine Learning Tools, » Energy and Buildings, 49, pp. 560–567, 2012., « Accurate Quantitative Estimation of Energy Performance of Residential Buildings Using Statistical Machine Learning Tools, » Energy and Buildings, 49, pp. 560–567, 2012.
Entraînez un réseau neuronal
Les données sont divisées pour l’entraînement et la validation. Un réseau neuronal composé de plusieurs couches est créé et tous ses paramètres d’apprentissage sont initialisés.

Le réseau neuronal est entraîné à l’aide des données d’entraînement et testé par rapport aux données de validation.
Créez un modèle de système
Le réseau neuronal entraîné est converti en un bloc d’entrée-sortie qui peut être connecté à d’autres modèles.

CreateSystemModel prend une NetChain ou un NetGraph entraîné et crée un SystemModel.
Établissez des connexions au modèle du bâtiment
Le modèle est ensuite rattaché au modèle d’un bâtiment à pièce unique composé de murs, de toits et d’un climatiseur. Le modèle connecté peut être alimenté par des données de température extérieure et sa performance énergétique peut être testée.

Le modèle d’un bâtiment à une seule pièce.
Étudiez l’effet de l’orientation
Changez l’orientation du bâtiment et analysez la puissance consommée par le climatiseur. Un bâtiment orienté à l’ouest a la plus faible consommation d’énergie, tandis qu’un bâtiment orienté au nord a la plus forte consommation d’énergie.

Le tracé de gauche montre la température ambiante pour un bâtiment orienté au nord. Le tracé de droite compare l’énergie cumulée consommée par le climatiseur pour les quatre orientations.
Wolfram System Modeler
Essayez
Achetez
System Modeler est disponible en anglais
et en japonais
sur Windows, macOS et Linux »
Vous avez des questions ou des commentaires ? Contactez un expert Wolfram »