Estimer le potentiel énergétique de consommation et de production d’un bâtiment à l’échelle du territoire

Le réchauffement climatique est devenu aujourd’hui le plus grand défi que notre société doit relever. Il passe principalement par une réduction massive de dépenses énergétiques. Le secteur du résidentiel est le deuxième plus gros consommateur d’énergie juste derrière le transport. 

Cependant contrairement aux au transport les consommations des énergies du résidentiel sont plus variées. A travers ce sujet de thèse nous allons principalement passer par la consommation de gaz et d’électricité. 

La hausse des prix unitaires d’énergie pour les résidentiels ont un impact sur les portefeuilles des citoyens. Les premiers qui sont le plus impacté sont le sont les foyers à plus faible revenue. Cette hausse des prix a aussi un énorme enjeu social, en plus d’être un enjeu environnemental. En conséquence, elle a de très forte chance de crisper le niveau de vie des revenues les plus faible. C’est pourquoi à travers ce sujet de thèse, nous allons principalement nous concentrer sur les logements sociaux. Les analyses se feront à l’aide de visualisation de millions de données. 

Pour ce faire faire, nous allons principalement nous orienter vers les outils de visualisation données que sont les logiciels de business intelligences, pour finir vers des outils de cartographie. Les compétences acquises durant cette thèse, nous mènerons aussi à analyser principalement des données de consommations territoriales. Par ailleurs, de multiples mesures territoriales faites à l’échelle du bâtiment seront analysées. Cela commencera par la déperdition de chaleur des toitures parisiennes, en passant par la production solaire des toiture genevoise (en Suisse), pour finir vers les consommations d’énergie française faite à l’échelle de la maille IRIS. Cependant, ces données mesurées ont besoins de passer vers une qualification de la donnée. Par exemple pourquoi pas ajouter une variable équivalente au niveau de précision qui est actuellement souvent négligé. 

Pour finir ces informations récoltées sont tous des données fournis par des acteurs différents, n’utilisant pas le même ordre de grandeur, le même format, le schéma de donner et souvent hétérogène. Améliorez le croisement de données entre elles devient nécessaire. C’est pourquoi dans cette thèse, nous avons opté pour lessolutions du web sémantique. Dans le but de proposer aux futurs utilisateurs un environnement de croisement de données contextualisé, c’est dire que les données auront un sens entre elles. 

Dans l’espoir que cette thèse soit compréhensible et pas compliquée, je vous souhaite à tous une bonne lecture.