Vendredi 14 mars 2025
- Imprimer
- Partager
- Partager sur Facebook
- Share on X
- Partager sur LinkedIn
Système d'auto-expérimentation pour la gestion de l'énergie dans les bâtiments résidentiels
Cette thèse présente un système numérique pour la gestion de l’énergie dans le secteur résidentiel. L’objectif est d’inclure les habitants dans le processus de gestion de l’énergie afin qu’ils puissent apprendre à adopter un comportement plus sobre en énergie. Nous proposons un outil d’auto-expérimentation des impacts énergétiques et de confort. Cet outil permet d’associer les mesures des capteurs (les effets) à leurs causes (le comportement humain).
Étant donné que les résidences comprennent une grande diversité de contextes et que plusieurs événements de vie peuvent survenir, parfois simultanément, il est proposé que les habitants puissent choisir les événements de vie qu’ils souhaitent analyser. Nous avons formulé l’hypothèse que les habitants s’interrogent sur la consommation énergétique ou les impacts sur le confort des différentes activités ou contextes. L’outil d’auto-exploration proposé peut être configuré par les habitants afin qu’ils puissent mener leurs propres expériences.
Une enquête a été réalisée afin d’identifier les types de questions que les habitants pourraient avoir ainsi que leur intérêt pour l’outil proposé. Certains prototypes de l’interface du système sont présentés et analysés. Deux processus permettant d’associer causes et effets sont proposés : la reconnaissance sans annotations et la reconnaissance basée sur les annotations.
La reconnaissance sans annotations peut être effectuée lorsque les informations fournies par les capteurs sont suffisants pour répondre aux questions des habitants. La reconnaissance basée sur les annotations s’applique lorsque certaines informations ne peuvent pas être récupérées uniquement à partir des données des capteurs, notamment celles souvent liées aux intentions et préférences des habitants, car elles correspondent à leur expérience psychologique.
Deux méthodologies pour accompagner les occupants dans le processus d’annotation sont présentées : l’apprentissage interactif et coopératif (Silva et al., 2022) et le système d’annotations a posteriori.
L’apprentissage interactif est une méthode d’apprentissage supervisé qui définit les moments où l’information est demandée aux habitants et garantit la qualité de la base de données. Parallèlement, les informations des capteurs (effets) sont associées aux annotations fournies par les habitants (comportement humain).
Le processus d’apprentissage coopératif, également une méthode d’apprentissage supervisé, détecte les incohérences entre les informations enregistrées et les associe. Le système signale ces incohérences aux occupants et leur demande une vérification. Une interaction symétrique entre le système et l’habitant permet ainsi d’améliorer les connaissances acquises.
Le système d’annotations a posteriori permet aux occupants de fournir leurs annotations ultérieurement, plutôt que de répondre immédiatement lorsqu’une annotation est demandée. Il repose sur une méthode de détection de points de changement, qui repère les moments où les mesures des capteurs changent significativement, ce qui peut indiquer une modification d’activité. L’idée est de montrer les moments où une activité pourrait avoir pris fin pour laisser place à une autre. Cela sert de référence pour aider les habitants à se souvenir des événements passés et à les annoter ultérieurement.
À la fin de l’expérience réalisée par les habitants, ceux-ci reçoivent les informations liées à leur étude. Il est proposé que les habitants sélectionnent les visualisations graphiques et les informations qui les aident à mieux comprendre les résultats.
Des annotations ont été récupérées à partir de deux sites différents, et le processus d’annotation a été évalué quant à son impact sur la compréhension des habitants des différentes situations dans le contexte résidentiel. Enfin, des tests d’apprentissage interactif et coopératif ont été réalisés en utilisant les annotations recueillies ainsi que les données des capteurs installés sur les sites.
Date et lieu
Composition du jury
Professeur des universités, GRENOBLE INP - UGA
Professeur des universités, GRENOBLE INP - UGA
Professeur des universités, Université de La Rochelle
Professeur des universités, Universite de Perpignan Via Domitia
Benoit DELINCHANT
Professeur des universités, Grenoble INP ENSE3
DOCTEUR, Universite de Bordeaux
MAITRE DE CONFERENCES, Polytech Angers
- Imprimer
- Partager
- Partager sur Facebook
- Share on X
- Partager sur LinkedIn