Etude d’une procédure d’optimisation environnementale multicritère à l’échelle de l’îlot

Optimisation du zonage thermique

Le nombre de zones thermiques et leur délimitation influencent l’évaluation thermique et environnementale d’un bâtiment mais aussi les temps de calcul. Or les problématiques de cette thèse imposent de réduire les temps de calcul dès que l’on en a la possibilité ; en effet, le passage de l’échelle du bâtiment à l’échelle de l’îlot ou du quartier, et la recherche d’un compromis entre les différentes variantes de conception à travers l’optimisation multicritère, présentent tous deux une contrainte de temps de calcul. Il est primordial d’effectuer une étude de zonage thermique en amont des évaluations et des optimisations afin de déterminer le zonage le plus adéquat, dans le but de minimiser le temps d’une simulation thermique tout en conservant la qualité des résultats. Différentes propositions de zonage thermique du cas d’étude ont été analysées ; une grande différence de précision et de temps de calcul entre les différentes variantes a alors été observée. Une première approche s’est concentrée sur la modélisation de l’ensemble des bâtiments du quartier dans un fichier unique sur Pleiades comme le présente la Figure 2-16, avec une étape intermédiaire consistant à modéliser les bureaux d’une part et les logements d’autre part. La simulation du fichier regroupant les 5 bâtiments de bureaux montre que la précision des calculs augmente avec le nombre de zones, tandis que le temps de calcul de réduction des matrices diminue lorsque le nombre de zones augmente. En effet, la réduction est effectuée zone par zone. Dans un modèle à faible nombre de zones, les zones sont plus grandes et les matrices sont d’ordre plus élevé ce qui explique un temps de calcul plus long, malgré le fait qu’il y ait moins de matrices à traiter. Ce résultat est particulièrement observé dans le cas d’un nombre très restreint de zones thermiques (monozone jusqu’à 5 zones), pour lequel le temps de calcul est considérable ; les matrices sont alors trop conséquentes pour une réduction optimale. Le temps de calcul ne dépendant pas uniquement de la réduction des matrices, il existe un nombre de zones optimal au-delà duquel le temps de calcul de la simulation augmente, car le temps nécessaire aux calculs météorologiques et à la mise en température du bâtiment augmente avec l’augmentation du nombre de zones. Concernant la variante des bâtiments de bureaux, cet optimum correspond à 12 zones thermiques, un découpage qui permet d’assurer un faible temps de calcul et une précision sur les besoins de chauffage annuels totaux supérieure à 98 %, comme l’on peut le constater Figure 2-18. Ce zonage correspond en moyenne à deux zones par bâtiments, découpés par façade nord et sud. Chapitre 2. L’ACV à l’échelle d’un projet urbain 84 Aurore Wurtz / Thèse de doctorat / 2022 / MINES Paris – PSL Research University Figure 2-18 : Temps de calcul et taux de précision en fonction du nombre de zones thermiques La même étude sur les bâtiments de logements a été effectuée, cependant ces derniers sont plus petits que les bureaux, la réduction des matrices est quasiment instantanée et le taux de précision est très élevé, le nombre de zones thermiques influence peu ces deux critères. Les bâtiments de bureaux et de logement ont ensuite été rassemblés dans un même modèle avec le zonage défini, on constate alors une augmentation des temps de calcul. Tandis que les simulations des modèles de bureaux et de logements nécessitent respectivement environ 4 et 1 minutes, soit un total de 5 minutes, la simulation du modèle de l’ensemble des bâtiments du quartier prend 7 minutes. Cette différence de temps de simulation montre les limites de l’utilisation de Pleiades pour la modélisation d’un ensemble de bâtiments au sein d’un même fichier. En effet, cet outil est tout d’abord dédié à la simulation monobâtiment, et suite à des échanges avec le développeur d’Izuba, il a été décidé d’aborder une approche monobâtiment par la suite (un bâtiment par fichier) afin d’éviter différentes contraintes techniques. Il est tout de même utile d’ajouter qu’un outil quartier existe au sein du modeleur de Pleiades, permettant de créer au choix un modèle de l’ensemble des bâtiments ou un modèle par bâtiment en prenant en compte les masques solaires, mais cet outil comporte encore des limites concernant l’interprétation des résultats ACV et l’optimisation multicritère, nous avons choisi de ne pas l’utiliser dans cette thèse. L’approche choisie consiste alors à modéliser les bâtiments du quartier un par un, les modèles pouvant aussi être générés par l’outil quartier. Les bâtiments de logements ayant de nombreuses caractéristiques similaires, nous choisirons un seul bâtiment pour l’étude du zonage thermique, et nous ferons de même pour les bâtiments de bureaux. Le bâtiment de logements étudié est le bâtiment L1 présenté au paragraphe 2.3.1, et le bâtiment de bureau a également été présenté dans ce paragraphe, il s’agit du bâtiment nommé R2. 0,9 0,92 0,94 0,96 0,98 1 0 5 10 15 20 4 5 6 7 8 10 12 14 28 34 Taux de précision Temps de calcul (minutes) Nombre de zones thermiques Réduction du modèle Simulation complète Précision Aurore Wurtz / Thèse de doctorat / 2022 / MINES Paris – PSL Research University 85 Une dizaine de configurations de zonage thermique du bâtiment de logements collectifs L1 ont été testées afin de valider l’intérêt d’effectuer les simulations en multizone et de définir le nombre et la composition du zonage optimal. Le temps de la simulation et les besoins de chauffage associés sont répertoriés dans un premier temps pour chaque simulation ; la configuration comprenant 12 zones thermiques est considérée comme référence pour calculer le taux de précision des besoins de chauffage. La représentation 3D de la référence détaillant la configuration des zones thermiques est illustrée Figure 2-19. La relation entre le temps de simulation et la précision des différentes configurations de zonage thermique étudiées est illustrée Figure 2-20.  Figure 2-19 : Représentation 3D de la variante de référence comprenant 12 zones thermiques avec zonage apparent Figure 2-20 : Temps de simulation et précision des résultats thermiques du bâtiment L1 en fonction du nombre de zones thermiques Le bâtiment ne comprend pas de système de climatisation, il est alors important de vérifier également le niveau de confort. Un taux d’inconfort basé sur le nombre d’heures durant lesquelles la température dépasse 27°C est implémenté ; il correspond à la moyenne de l’inconfort des différentes zones pondérée par les surfaces. La précision du niveau de confort des différentes configurations de zonage thermique est calculée avec le taux d’inconfort de la variante comprenant  Figure 2-21 : Précision du niveau d’inconfort en fonction du nombre de zones thermiques Le bâtiment de logements L1 présente un écart négligeable sur la variation des besoins de chauffage (moins de 0,2 %), nous proposons alors de concentrer la décision concernant le zonage thermique sur le temps de simulation et le niveau de fiabilité du calcul du confort thermique. Le taux d’inconfort présente une erreur d’environ 10 % pour les configurations dont le nombre de zones est inférieur à 4, ce qui est relativement élevé ; tandis que la précision du calcul lorsque le nombre de zones est supérieur ou égal à 4 est supérieure à 95 %. Le temps de simulation est constant pour un nombre de zones variant de 1 à 4, puis augmente à partir de cinq zones ; le choix se portera alors sur quatre zones thermiques, réparties de la manière suivante :  Nord  Sud  Nord dernier étage  Sud dernier étage. La représentation 3D du bâtiment L1 Figure 2-17 différencie ces quatre zones thermiques par des couleurs différentes. La même étude a été réalisée sur le bâtiment de bureaux. Ce dernier est près de cinq fois plus grand que le bâtiment de logements, le zonage est beaucoup plus influent. On observe la même problématique que pour l’ensemble des bâtiments du quartier, présentés précédemment, une configuration monozone nécessite un très long temps de calcul, le modèle comporte alors des matrices trop complexes pour une réduction rapide. Cette configuration est donc évincée, d’autant plus qu’elle ne permet pas d’approcher les résultats thermiques recherchés, elle est trop imprécise. La disposition des zones thermiques est un facteur très influent sur la qualité de la simulation ; un découpage en 10 zones thermiques séparant en priorité les étages, ainsi que certaines orientations (nord et sud pour certains étages par exemple) n’est pas suffisante pour approcher de bons résultats thermiques, en particulier concernant les besoins de rafraîchissement. Il est nécessaire d’opter pour une séparation des zones par « blocs » plutôt que par 0,8 0,85 0,9 0,95 1 1,05 1,1 0 2 4 6 8 10 12  University étage pour obtenir des résultats précis (moins de 1% d’écart à la référence pour les besoins chauds et 5 % pour les besoins froids), pour un temps de calcul de 36 secondes. La variante retenue comprend huit zones thermiques dont la répartition est présentée dans le Tableau 2-7, et illustrée par les différentes couleurs de zones thermiques apparentes Figure 2-22. Figure 2-22 : Représentation 3D du bâtiment de bureaux – Zonage optimal Tableau 2-7 : Répartition des 8 zones du bâtiment de bureaux Sud Nord Est Ouest RDC X X Etages courants X X X X Dernier étage X X 

Démarche d’ACV appliquée au cas d’étude 

Définition des objectifs et du champ de l’étude

Le quartier des Lumières fait partie d’un projet de grande envergure d’aménagement des alentours de la gare de Saint-Denis, plus grande gare du Grand Paris Express, projet de réseau de transport public, composé de quatre lignes de métro automatiques autour de Paris et de l’extension de deux lignes existantes. L’aménagement de ce quartier présente un grand degré de liberté, c’est donc une opportunité pour construire de manière responsable en optimisant les différents bâtiments pour réduire les impacts environnementaux. L’évaluation environnementale est effectuée par la méthode de l’analyse de cycle de vie, afin de considérer les impacts sur l’ensemble du cycle de vie des bâtiments, traduits sous forme d’indicateurs environnementaux comme expliqué au paragraphe 1.2.4.1 de cette thèse. Le jeu d’indicateurs comprend des indicateurs orientés dommages, un indicateur de niveau midpoint et des indicateurs de flux. Les méthodes de caractérisation sont présentées au paragraphe 2.1.4.1, et le jeu d’indicateurs considéré pour cette étude de cas est indiqué ci-après : Aurore Wurtz / Thèse de doctorat / 2022 / MINES Paris – PSL Research University 89 – Changement climatiques (kg CO2eq.) – Consommation d’énergie primaire (MJ) – Consommation d’eau (m3 ) – Déchets produits (kg) – Déchets radioactifs (kg) – Dommages à la biodiversité (PDF.m².an) – Dommages à la santé humaine (DALY) L’objectif de l’ACV est d’estimer les impacts environnementaux induits par les bâtiments du quartier et de prendre connaissance des éléments les plus influents sur les différents indicateurs afin d’orienter les parties prenantes vers des décisions à moindre impact sur l’environnement. Dans un second temps, cette évaluation environnementale permettra de comparer différentes variantes de conception en procédant à une méthode d’optimisation multicritère pour trouver le meilleur compromis entre les différents critères environnementaux et économiques. Cette seconde approche fera l’objet du troisième chapitre. L’unité fonctionnelle dépend du périmètre pris en compte dans ce cas d’étude, variant de l’échelle d’un bâtiment à la totalité du quartier. Cependant, la fonction du quartier est d’héberger les habitants et les travailleurs dans des bâtiments adéquats, avec un niveau de confort défini, en considérant les consommations de chauffage, d’eau (en particulier eau chaude sanitaire), de ventilation et d’électricité spécifique. La durée de vie des bâtiments considérée est de 100 ans, et les résultats environnementaux seront ramenés à une année et à 1 m² afin de créer une référence unique permettant la comparaison de variantes environnementales. L’ensemble des impacts relatifs à l’utilisation des bâtiments sont pris en compte, depuis l’extraction des matières premières pour la fabrication des matériaux de construction jusqu’à la fin de vie des éléments, sans oublier l’étape d’utilisation des bâtiments qui est la plus longue du cycle de vie (100 ans). Bien que le quartier fasse l’objet de cette évaluation environnementale, l’étude a pour but de minimiser les impacts des bâtiments, ainsi seul le bâti est pris en compte dans une première ACV du quartier. Les transports des occupants et la gestion des déchets ménagers sont alors considérés en dehors des frontières du système. Ils pourront faire l’objet d’une analyse de sensibilité par la suite. Les impacts relatifs à la gestion de l’énergie et de l’eau sont pris en compte. Le traitement de potabilisation de l’eau et son assainissement sont intégrés à l’impact de l’utilisation d’eau par les occupants du quartier, et les impacts associés aux consommations énergétiques dépendent des systèmes mis en place à l’échelle du quartier, ils seront présentés au paragraphe 3.4. Le système considéré est alors plus large que les bâtiments étudiés : il inclut la production d’électricité et de chaleur, la production d’eau potable et le traitement des eaux usées, la fabrication des produits de construction et les procédés de fin de vie. Chapitre 2. L’ACV à l’échelle d’un projet urbain 90 Aurore Wurtz / Thèse de doctorat / 2022 / MINES Paris – PSL Research University Une fois la définition et le cadre de l’étude réalisés, de nombreux choix méthodologiques doivent être faits pour l’évaluation environnementale. Tout d’abord, comme précisé au paragraphe 2.1.6.2 cette ACV sera réalisée dans une approche attributionnelle sur la base d’un modèle dynamique horaire. En ce qui concerne le choix de l’horizon temporel, les données de l’inventaire de cycle de vie proviennent de la base de données ecoinvent 3.4, sur un horizon glissant de 100 ans, selon la méthode issue du GIEC. Les données environnementales utilisées pour les produits de construction et les procédés sont contextualisées lorsque le produit est fabriqué localement (par exemple le béton), le mix électrique de la base de données ecoinvent est alors remplacé par le mix français. Les données environnementales fournissent pour chaque unité fonctionnelle (kg de matériau, m3 d’eau potable, kWh de chaleur produite etc.) environ 4000 flux élémentaires correspondant aux émissions dans l’air, l’eau et le sol, aux déchets ainsi qu’aux matières premières et aux combustibles puisés dans l’environnement. 

Hypothèses pour l’ACV

Des hypothèses concernant la construction du bâtiment, la gestion de son occupation et des déchets sont également nécessaires à la réalisation d’une ACV. Ces hypothèses sont explicitées dans les points suivants :  Durée de vie Tandis que la durée de vie du bâtiment considérée est de 100 ans, les portes et les fenêtres sont renouvelées tous les 30 ans, les revêtements tous les 10 ans, et les équipements tous les 20 ans. Les autres matériaux, sauf exception, sont considérés ayant la même durée de vie que le bâtiment, soit 100 ans.  Occupation du bâtiment La consommation d’eau chaude sanitaire des occupants des logements est estimée à 40 litres par personne et par jour, et la consommation d’eau froide à 100 litres par personne et par jour. Le rendement du réseau d’eau est de 80 %. L’eau chaude sanitaire est produite à partir du réseau de chaleur assurant également le chauffage. Les caractéristiques de ce dernier seront présentées dans le paragraphe 3.4. Le mix électrique sélectionné pour la réalisation de cette première ACV est un mix moyen annuel, qui représente la répartition entre les différentes technologies de production d’électricité au cours de l’année 2016. Cette moyenne sollicite au cours de l’année 76 % d’électricité provenant des centrales nucléaires, 19 % d’énergies renouvelables (solaire, éolien, hydraulique, etc.) et 5 % d’énergies thermiques, elle est calculée à partir du mix dynamique attributionnel provenant du modèle élaboré dans la thèse de (Roux, 2016) qui sera implémenté à partir du chapitre 3 de cette thèse. Le réseau électrique comprend des pertes, qui sont estimées à 9 % dans cette ACV.