Modelling household activities in instrumented dwellings - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2022

Modelling household activities in instrumented dwellings

Modélisation de l’activité des ménages dans le bâtiment résidentiel instrumenté

Huynh Phan
  • Fonction : Auteur
  • PersonId : 1170292
  • IdRef : 260170097

Résumé

Simulation tools support engineers to size HVAC systems and optimize the building design. It is proved that occupant behaviors are important to explain the discrepancy between simulated and actual energy consumption. Better information on the occupant activities might reduce this gap. Recently, many scientists have focused on modeling occupants' activities to improve the performance of the simulation. Though, an activity is affected by the context in houses, which gives the information to fully understand this activity. To address this question, stochastic approaches were proposed with statistical data to model activity profiles based on household characteristics (building type, income, etc.). Nevertheless, their outputs only provide average information based on different contexts (locations, appliances, etc.). Thus, they are not specific and are unverifiable for particular houses. The agent-based approach is another way to model, in a contextualized manner, the occupants' behaviors in houses. It has been developed to satisfy occupant needs. However, the agent-based approach is challenging to implement in households with many members due to their numerous interactions. Data-based models with measurements have also been proposed to estimate occupant activities. They aim to determine the systematic relationships between variables using machine learning techniques. Due to the measurements, the context is considered. However, most of these models are not analytical and they do not provide occupant-understandable explanations. The problem tackled by this thesis is to use data from a given context, which comes from sensors and questionnaires, to estimate contextualized occupant activities (cooking, sleeping, taking a shower, etc.) and their related energy impacts. The necessary features for the estimation should be determined to reduce data noise and save the instrumentation budget. Activity estimations should consider the context to have more precise results. These approaches must be verifiable and provide understandable information for inhabitants to help them enhance their behaviors in order to reduce energy consumption. In this thesis, a mobile application has been developed to collect labels of activities from the occupants. These labels have then been combined with the data from sensors and the context information of the house to detect and simulate occupants' activities and their related energy impacts. The proposed method focused on three steps:-estimating occupant activities with sensors, the context, and the activity labels. It starts by determining the most relevant features for the activity estimation. Then, a consequences-based Bayesian Network is built using context factors and the knowledge coming from observations and questionnaires which are given to occupants to ask about their activities. Two houses have been used for testing. Cross-validation and F1-score are used to evaluate the model quality. The results show that it could estimate some activities (cooking, washing dishes, washing clothes, personal care, etc.) with the F1-score from 0.7 to 0.9.-evaluating the energy impacts of occupant activities with a set of sensors, knowledge, and activity labels. The thesis focuses on the effects of activities on electricity consumption. A Bayesian Network is built for each activity to evaluate its impacts on electricity consumption. The model has been tested with several activities in the studied houses. To validate, the model compares statistically the electricity consumption between activities and between the weekdays.-simulating occupant activities and their energy impacts, which is particularly useful in the building renovation. Results from previous models are re-used and combined with Monte-Carlo simulation to simulate sequences of occupants' activities and their associated electricity consumption. Comparisons between simulated and actual electricity consumption of appliances are made to verify the model quality.
Il a été démontré que le comportement des occupants est l'un des principaux facteurs expliquant l'écart entre la consommation d'énergie simulée et réelle. De nombreux travaux scientifiques ont été mené sur le sujet de la modélisation des activités des occupants pour réduire cet écart. Cependant, une activité est affectée par différents éléments de contexte spécifiques à chaque ménage/bâtiment. Pour en tenir compte, des approches stochastiques ont été proposées avec des données statistiques pour modéliser les profils d'activité en fonction des caractéristiques du foyer (individus, type de bâtiment, etc.). Par contre, leurs résultats ne fournissent uniquement que des informations moyennes, basées sur des informations collectées sur un grand nombre de ménages différents. Par conséquent, ils ne sont pas spécifiques et ne peuvent pas être représentatifs du comportement d’un ménage particulier. L'approche basée sur les agents est une autre façon de modéliser de manière contextualisée le comportement des occupants dans les maisons puisqu’elle vise à satisfaire les besoins propres de chaque membre d’un ménage spécifique. Cependant, l'approche basée sur les agents est difficile à mettre en œuvre dans les maisons comptant de nombreux membres en raison de leurs interactions. Dans cette optique, cette thèse étudie les voies possibles d'utiliser les données d'un contexte spécifique, provenant de capteurs et de questionnaires, pour estimer les activités des occupants (cuisiner, dormir, se doucher, etc.) ainsi que leurs impacts énergétiques associés. L’un des enjeux est d’identifier les grandeur/indicateurs les plus adaptés/explicatifs pour l’estimation des activités. Cette approche tenant compte du contexte spécifique à chaque ménage doit par ailleurs être vérifiable et fournir des informations compréhensibles aux résidents pour améliorer leurs comportements énergétiques. Dans cette thèse, une application mobile a été développée pour collecter les labels d'activité des occupants. Ces étiquettes ont ensuite été combinées avec des données de capteurs et des informations sur le contexte de la maison pour détecter et simuler les activités des occupants et leurs impacts énergétiques. La démarche proposée est constituée de trois étapes :-Estimer les activités des occupants à l'aide des données issues de capteurs, du contexte et des labels d'activités. Il s’agit d’abord d’identifier les grandeurs/indicateurs les plus pertinents pour estimer l'activité considérée. Ensuite, un réseau bayésien basé sur les conséquences est construit avec les connaissances issues des mesures et des questionnaires pour estimer les activités des occupants. Deux maisons ont été utilisées pour les tests. La validation croisée et le score F1 sont utilisés pour évaluer la qualité des prévisions du modèle. Les résultats montrent que le modèle peut estimer certaines activités (cuisine, vaisselle, lessive, soins personnels, etc.) avec un score F1 de 0,7 à 0,9.-Evaluer les impacts énergétiques des activités des occupants en combinant des informations issues de capteurs, de connaissances et des labels d'activités. La thèse se concentre sur les effets des activités sur la consommation d'électricité. Un réseau bayésien est construit pour chaque activité afin d'évaluer ses impacts sur la consommation électrique. Le modèle a été testé avec de nombreuses activités dans les études de cas. Plus précisément, le modèle compare statistiquement la consommation d'électricité entre les activités et les jours de la semaine.-Simuler les activités des occupants et leurs impacts énergétiques, ce qui est notamment utile pour la rénovation des bâtiments. Les résultats des modèles précédents ont été réutilisés et combinés avec des simulations de type Monte-Carlo pour produire les séquences d'activités des occupants et la consommation d'électricité engendrée. Des comparaisons entre la consommation électrique simulée et réelle des appareils ont été effectuées pour vérifier la qualité du modèle.
Fichier principal
Vignette du fichier
PHAN_LY_HUYNH_2022.pdf (7.67 Mo) Télécharger le fichier
Origine : Version validée par le jury (STAR)

Dates et versions

tel-03796541 , version 1 (04-10-2022)

Identifiants

  • HAL Id : tel-03796541 , version 1

Citer

Huynh Phan. Modelling household activities in instrumented dwellings. Mechanics [physics]. Université de Bordeaux, 2022. English. ⟨NNT : 2022BORD0009⟩. ⟨tel-03796541⟩
141 Consultations
49 Téléchargements

Partager

Gmail Facebook X LinkedIn More