Publications scientifiques
Une sélection de publications scientifiques en lien avec la performance énergétique des bâtiments, les stratégies de contrôle avancées, la simulation et le pilotage des systèmes techniques.
Avertissement: Bien que je m’efforce de publier dans des revues libres d’accès, certains articles ne sont disponibles qu’avec un accès payant. Ils sont clairement indiqués.
Ten questions concerning reinforcement learning for building energy management
Cet article propose une synthèse structurée des principales questions que pose l’usage de l’apprentissage par renforcement pour la gestion énergétique des bâtiments. Il met en perspective les verrous actuels, les outils disponibles et les conditions de déploiement dans des contextes réels.
Référence
Nagy Z., Henze G., Dey S., Arroyo J., Helsen L., Zhang X., Chen B., Amasyali K., Kurte K., Zamzam A., Zandi H., Drgona J., Quintana M., McCullogh S., Park J.Y., Li H., Hong T., Brandi S., Pinto G., Capozzoli A., Vrabie D., Berges M., Nweye K., Marzullo T., Bernstein A. (2023). Ten questions concerning reinforcement learning for building energy management. Building and Environment, 241, 110435.
Reinforcement learning building control approach harnessing imitation learning
Cet article présente une approche combinant apprentissage par renforcement et apprentissage par imitation afin de réduire le temps d’entraînement et de limiter les comportements instables au démarrage. Il s’inscrit dans une logique de mise en œuvre plus robuste du contrôle avancé dans les bâtiments.
Référence
Dey S., Marzullo T., Zhang X., Henze G. (2023). Reinforcement learning building control approach harnessing imitation learning. Energy and AI, 14, 100255.
Inverse reinforcement learning control for building energy management
Cet article explore l’usage de l’apprentissage par renforcement inverse pour déduire les objectifs d’un agent de contrôle dans un bâtiment. Il ouvre des perspectives intéressantes pour l’analyse et la conception de stratégies de pilotage plus interprétables.
Référence
Dey S., Marzullo T., Henze G. (2023). Inverse reinforcement learning control for building energy management. Energy and Buildings, 286, 112941.
Lien vers l’article (journal payant)
A high-fidelity building performance simulation test bed for the development and evaluation of advanced controls
Cet article décrit un environnement de simulation haute fidélité conçu pour développer et évaluer des stratégies de contrôle avancées appliquées au bâtiment. Il constitue une base méthodologique utile pour tester des approches de pilotage avant déploiement.
Référence
Marzullo T., Dey S., Long N., Leiva Vilaplana J., Henze G. (2022). A high-fidelity building performance simulation test bed for the development and evaluation of advanced controls. Journal of Building Performance Simulation, 15(3), 379–397.
Lien vers l’article (journal payant)
A Scalable and Cost-Effective Solution to the U.S. Housing Crisis: A Case Study on Locally Manufactured Modular Multifamily Housing
Cette étude de cas examine une approche de construction modulaire multifamiliale fabriquée localement comme solution potentielle à la crise du logement aux États-Unis. L’article analyse la scalabilité, la performance économique et environnementale de cette approche, ainsi que ses implications pour la décarbonation et la résilience du parc immobilier.
Référence
Marzullo T., Pless S., Caton N., Patel A., (2025). A Scalable and Cost-Effective Solution to the U.S. Housing Crisis: A Case Study on Locally Manufactured Modular Multifamily Housing. U.S. Department of Energy, OSTI.
Is a Generator the Only Solution When the Grid Fails? Optimizing Systems for Resiliency and Carbon Reduction
Cette publication examine différentes configurations de systèmes énergétiques pour améliorer la résilience des bâtiments tout en réduisant leur empreinte carbone. Elle traite notamment de l’arbitrage entre secours électrique, production locale et stockage.
Référence
Marzullo T., Goetsch H.E., Torcellini P.A. (2024). Is a Generator the Only Solution When the Grid Fails? Optimizing Systems for Resiliency and Carbon Reduction. NREL/CP-5500-90265.
Reinforcement Learning for Building Control and its Real-World Implementation
Cette contribution présente le déploiement réel de stratégies de contrôle par apprentissage dans un bâtiment, avec un retour d’expérience sur les performances obtenues et les conditions de mise en œuvre. Elle relie directement recherche méthodologique et application opérationnelle.
Référence
Bernstein A., Zhang X., Chintala R., Chen Y., Jin X., Graf P., Henze G., Marzullo T., et al. (2023). Reinforcement Learning for Building Control and its Real-World Implementation. NREL/PO-5500-85670.
A computational toolchain for the automatic generation of multiple Reduced-Order Models from CFD simulations
Cet article présente une chaîne de calcul permettant de générer automatiquement des modèles d’ordre réduit à partir de simulations de mécanique des fluides numérique. L’objectif est de rendre plus accessibles des approches de modélisation fines à moindre coût de calcul.
Référence
Marzullo T., Keane M.M., Geron M., Monaghan R.F.D. (2019). A computational toolchain for the automatic generation of multiple Reduced-Order Models from CFD simulations. Energy, 180, 511–519.
A comparative study of computational algorithms used in the automatic generation of reduced-order models from CFD simulations
Cette publication compare plusieurs algorithmes utilisés pour générer automatiquement des modèles réduits à partir de simulations CFD. Elle s’inscrit dans une démarche de modélisation thermique avancée adaptée aux applications bâtiment.
Référence
Marzullo T., Yousefian S., Keane M.M., Geron M., Monaghan R.F.D. (2017). A comparative study of computational algorithms used in the automatic generation of reduced-order models from CFD simulations. 3rd Building Simulation Applications Conference, 225–232.
Identifying Barriers That Impede Cost-Effective, Holistic, and Equitable Building Performance and Zero Carbon Goals in Low-Income and Disadvantaged Communities
Cette contribution s’intéresse aux obstacles techniques, économiques et organisationnels qui freinent l’amélioration de la performance des bâtiments et l’atteinte d’objectifs de neutralité carbone dans des contextes contraints. Elle éclaire les conditions réelles de transformation du parc immobilier.
Référence
Clarke A., Davis G., Gadzanku S., Charan T., Marzullo T., Gaines C., et al. (2024). Identifying Barriers That Impede Cost-Effective, Holistic, and Equitable Building Performance and Zero Carbon Goals in Low-Income and Disadvantaged Communities. ACEEE Summer Study Proceedings.