Data-Driven Methodology for Model Order Reduction to Predict and Manage Building Energy Flexibility in Smart Grids
Notice bibliographique
Résumé
The evolving energy landscape, driven by rising demand, electrification, and renewable energy integration, necessitates a shift from traditional “follow-the-load” model to demand-side management. This transition requires accurate prediction of building energy demand, effective demand response participation, and quantification of energy flexibility. This thesis develops a methodology for predicting and optimizing building thermal energy demand using data from smart thermostats and monitoring infrastructures. Multi-zone buildings and schedule-based operations are modelled using resistance-capacitance (RC) thermal networks. An automated model order reduction approach identifies dominant thermal zones in multi-zone buildings, while control-oriented RC archetypes capture key dynamics in schedule-based operations. Calibration follows a Model Predictive Control Relevant Identification (MRI) process, ensuring models accurately predict thermal dynamics up to 24 hours ahead. Weather variability is managed through clustering techniques that identify representative days, reducing computational complexity while enabling scenario-driven analysis. This approach bridges the gap between operational and design studies by integrating energy flexibility considerations early in building and community planning. A distributed economic Model Predictive Control (e-MPC) framework optimizes thermal load management while maintaining occupant comfort and system constraints. It supports applications at both single-building and community scales, such as virtual power plants. Performance is assessed using energy flexibility Key Performance Indicators (efKPIs) against a reference scenario. The methodology is validated through three case studies: (1) Residential buildings: 30 detached homes equipped with smart thermostats (data from Hydro-Québec); (2) Institutional building: The Varennes Net-Zero Energy Library, Canada’s first net-zero energy institutional building; (3) Community-scale system: A simulated hybrid photovoltaic-battery microgrid in Varennes serving residential and institutional buildings. Findings highlight how varying building participation in demand response influences aggregated demand profiles, utility metrics (load shifting, peak shaving), and the sizing of grid-supportive technologies. At the single-building level, insights are provided for optimizing thermal load management across convective, radiant, and mixed heating systems. By integrating data-driven modelling, advanced control, and scalable design, this thesis provides actionable solutions for energy efficiency, flexibility, and resilience, supporting a sustainable energy transition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».