MetV STD(Résultats)
Afin d'afficher cet onglet dans Pleiades résultat, il est nécessaire de cocher, au lancement du calcul, la case |
Sommaire
1 Les grandeurs d'intérêts
Ce sous-onglet permet de définir quelles sont les grandeurs d'intérêts qui vont permettre ensuite de calculer les ajustements. Par défaut, le logiciel vous propose quelques grandeurs classiques, à savoir consommations de chauffage, d'électricité, et les DJU.
Chaque grandeur est associée à un type (compteur d'énergie, rigueur climatique, analyse des occupants, etc).
Le bouton permet d'aller récupérer d'autres grandeurs du projet, filtrées par le type de résultat.
Il est ainsi possible de récupérer l'ensemble des grandeurs dans l'arborescence, et de les ajouter (double-clic ou à l'aide de la flèche verte).
Si on sélectionne plusieurs grandeurs, elles seront additionnées. Il est possible de sélectionner plusieurs grandeurs mais de n'en activer qu'une. |
Il est nécessaire de sauver les grandeurs d'intérêts sélectionnées, et de les nommer. Celles-ci pourront être modifiées ensuite via le bouton
La valeur d'une grandeur peut être modifiée.
2 Mesures et vérifications
Ce sous-onglet permet de comparer les consommations du modèle Pleiades aux mesures mensuelles, en fonction des différentes variables d'ajustement choisies.
On ajoute les variables d'ajustement (abscisse) via le bouton , qui apparaissent dans la liste, puis on choisi la grandeur à afficher (ordonnée) à l'aide du bouton
2.1 Régression linéaire
Une fois les grandeurs et variables d'ajustement choisies, un calcul de régression linéaire est fait et le résultat affiché.
- Le R² (Coefficient de détermination) témoigne de la qualité des variables choisies. Il est convenu qu'à partir de R²>75%, la corrélation entre le résultat et les variables présente un intérêt.
- Le cv_RMSE (Coefficient de variation de l'erreur quadratique moyenne) est une mesure statistique qui nous permet de quantifier la capacité prédictive du modèle. Il est convenu que cette valeur soit inférieure à 20% pour que la corrélation présente un niveau de précision suffisante.
- Le Stat-t est la statistique qui indique, pour chaque variable, la capacité de prévision du modèle. Plus celle-ci est élevée, plus la variable permet de prédire correctement.
On retrouve également l'équation de la régression linéaire au format Y = aX1 + bX2 + [...] + c
2.2 Mesures mensuelles
C'est ici qu'il faut indiquer les relevés mensuels obtenus sur le bâtiment étudié.
Il est possible de faire un copier/coller depuis un tableur. Ce tableau est entièrement éditable |
3 Calibration
Ce sous-onglet permet de visualiser et vérifier la calibration du modèle statistique.
Les mesures mensuelles sont ajustées selon l'équation d'ajustement, qui tient compte de la différence entre la variable d'ajustement choisie mesurée et issue de la modélisation.
Par exemple, le terme X1 est pris du modèle et injecté dans l'équation d'ajustement (si la variable d'ajustement choisie est le DJU, on remplace les DJU réels par ceux issus du modèle Pleiades).
La dernière colonne du tableau indique l'écart entre le résultat du modèle et celui des mesures ajustées. Plus cet écart est faible, meilleure est la calibration du modèle. Il est donné comme valeur acceptables que chaque mois ne dépasse pas les 15% d'écart, et que le total ne dépasse pas les 10%.