{"id":1652,"date":"2021-01-27T15:15:51","date_gmt":"2021-01-27T14:15:51","guid":{"rendered":"http:\/\/miniprojets.net\/?p=1652"},"modified":"2023-04-04T23:09:01","modified_gmt":"2023-04-04T21:09:01","slug":"etude-de-la-teneur-en-co-au-sein-dune-habitation-classique","status":"publish","type":"post","link":"https:\/\/miniprojets.net\/index.php\/2021\/01\/27\/etude-de-la-teneur-en-co-au-sein-dune-habitation-classique\/","title":{"rendered":"\u00c9tude de la teneur en CO au sein d\u2019une habitation classique"},"content":{"rendered":"\n

Written by Marco Autiero, ENSE3 groupe Grenoble INP, marco.autiero@grenoble-inp.org<\/a><\/p>\n\n\n\n

RESUME<\/strong><\/p>\n\n\n\n

Dans le cadre de cette derni\u00e8re p\u00e9riode, les personnes ont \u00e9t\u00e9 amen\u00e9es \u00e0 rester longtemps confin\u00e9es chez elles. Il est d\u00e8s lors d\u2019autant plus important de s’assurer que le domicile soit un endroit sain.  Cet article pr\u00e9sente une \u00e9tude de la qualit\u00e9 de l\u2019air d\u2019une maison familiale classique qui a accept\u00e9 de doter son domicile de nombreux capteurs (projet EXPE-Smarthouse) dont les donn\u00e9es sont accessibles en open-source. Il sera question d\u2019\u00e9tudier la variation du taux de CO2<\/sub> au cours de la journ\u00e9e.<\/p>\n\n\n\n

MOTS-CLES : qualit\u00e9 de l\u2019air, smart house, sant\u00e9<\/p>\n\n\n\n

ABSTRACT<\/strong><\/p>\n\n\n\n

During the last months, people were locked down at home for a long time. Therefore it is even more important to make sure that the home is a healthy place. This article is about air quality in a standard house that accepted to be equipped with sensors (EXPE-Smarthouse project) whose measurements are accessible in open source. The evolution of the CO2<\/sub> concentration will be studied along the day.<\/p>\n\n\n\n

KEYWORDS : air quality, smart house, health<\/p>\n\n\n\n

Introduction<\/strong><\/p>\n\n\n\n

Le taux de CO2<\/sub> dans l\u2019air n\u2019a cess\u00e9 d\u2019augmenter depuis la r\u00e9volution industrielle. Il atteint aujourd\u2019hui 415 ppm [1]. A part l\u2019effet de serre et donc le d\u00e9r\u00e8glement climatique qu\u2019il engendre le CO2<\/sub> est consid\u00e9r\u00e9 comme globalement inoffensif pour la sant\u00e9. Cependant en espace confin\u00e9 le taux de CO2<\/sub> peut atteindre des valeurs sensiblement plus \u00e9lev\u00e9es qu\u2019\u00e0 l\u2019air libre qui peuvent \u00eatre dangereuses m\u00eame pour la sant\u00e9. L\u2019agence f\u00e9d\u00e9rale am\u00e9ricaine charg\u00e9e de la s\u00e9curit\u00e9 et la sant\u00e9 au travail (NIOSH) consid\u00e8re qu\u2019un taux de 1000 ppm de CO2<\/sub> est synonyme d\u2019une mauvaise a\u00e9ration et commence \u00e0 \u00eatre n\u00e9faste. Les effets d\u2019un taux trop \u00e9lev\u00e9 sont multiples : c\u00e9phal\u00e9es, difficult\u00e9s de prise de d\u00e9cision, sensibilit\u00e9 \u00e9motionnelle accrue et baisse de la concentration [2] . Une concentration trop \u00e9lev\u00e9e peut aussi repr\u00e9senter un facteur de risque pour l\u2019asthme. En particulier l\u2019\u00e9tude du laboratoire Berkeley Lab [3] montre que d\u00e9j\u00e0 \u00e0 partir d\u2019un taux de 1000 ppm les effets sur le corps humain sont visibles.<\/p>\n\n\n\n

\"\"<\/figure><\/div>\n\n\n\n

fig 1.1 tableau repr\u00e9sentant l\u2019impact du CO2<\/sub> sur le cerveau humain.<\/p>\n\n\n\n

D\u00e8s lors on peut se demander, surtout suite aux p\u00e9riodes prolong\u00e9es de confinement, comment \u00e9volue la teneur en CO2<\/sub> au cours de la journ\u00e9e dans un espace clos et si les limites sanitaires peuvent \u00eatre d\u00e9pass\u00e9es.<\/p>\n\n\n\n

Plateforme exp\u00e9rimentale<\/strong><\/p>\n\n\n\n

Pour recueillir les donn\u00e9es de CO2<\/sub> on utilise le projet EXPE-smarthouse. Commenc\u00e9 en 2018 il consiste en une maison de 120 m\u00b2 r\u00e9ellement habit\u00e9e comprenant plus de 300 capteurs diff\u00e9rents, permettant de collecter les donn\u00e9es de plusieurs grandeurs physiques [4]. Ces donn\u00e9es sont ensuite en libre acc\u00e8s sur le service Grafana et disponible pour plusieurs laboratoires. Pour notre \u00e9tude, on va s\u2019int\u00e9resser aux capteurs de CO2<\/sub> de type Netatmo [5], aux thermom\u00e8tres et aux capteurs d\u2019ouvertures des fen\u00eatres. Les donn\u00e9es sont recueillies du 29\/12\/2020 au 05\/01\/2021.<\/p>\n\n\n\n

Protocole exp\u00e9rimental<\/strong><\/p>\n\n\n\n

On r\u00e9cup\u00e8re les donn\u00e9es voulues sur la plateforme Grafana sous format csv pour les importer ensuite dans un notebook Python tel que Kaggle. Les donn\u00e9es sont sous forme de tableau avec une colonne d\u2019index temporel et plusieurs colonnes correspondant aux donn\u00e9es mesur\u00e9es par le capteur de chaque pi\u00e8ce. On utilise la biblioth\u00e8que Pandas pour traiter ce format de donn\u00e9es. On constate que des mesures sont manquantes pour certains index temporels. On utilise la fonction de Pandas fillna() pour attribuer une valeur l\u00e0 o\u00f9 la mesure est absente. On choisit la m\u00e9thode de fillna() \u2018backfill\u2019 qui correspond \u00e0 utiliser la valeur juste apr\u00e8s l\u2019index de celle manquante. Une fois apr\u00e8s avoir obtenu une mesure pour chaque index on convertit les valeurs temporelles en un format datetime qui soit interpr\u00e9table par Python.<\/p>\n\n\n\n

Mod\u00e8le th\u00e9orique<\/strong><\/p>\n\n\n\n

D\u2019apr\u00e8s [7] la production moyenne de CO2<\/sub> pour un individu au repos (85W) est de 16 L\/heure. La production de CO2<\/sub> est donc de  16E6\/V ppm par heure et par personne o\u00f9 V d\u00e9signe le volume de la pi\u00e8ce en L.<\/p>\n\n\n\n

Dans une chambre parfaitement isol\u00e9e, le taux de CO2<\/sub> devrait augmenter lin\u00e9airement et atteindre au bout d\u2019un certain temps des valeurs suffisantes pour provoquer l’asphyxie de ses occupants. En r\u00e9alit\u00e9 l\u2019isolation n\u2019est jamais totale et il existe toujours un volume d\u2019air \u00e9chang\u00e9 avec l’ext\u00e9rieur qu\u2019on va appeler R (L\/h).<\/p>\n\n\n\n

Le taux de CO2<\/sub> dans la chambre va alors tendre vers une valeur d\u2019\u00e9quilibre (comme on peut constater dans la figure 4.1) o\u00f9 la production de CO2<\/sub> par ses occupants va \u00eatre \u00e9gale \u00e0 la quantit\u00e9 de CO2<\/sub> \u00e9chang\u00e9e avec l\u2019air ext\u00e9rieur. Le taux d’\u00e9vacuation du CO2<\/sub> va \u00eatre \u00e9gal au volume d\u2019air \u00e9chang\u00e9 avec l’ext\u00e9rieur R normalis\u00e9 par le volume de la pi\u00e8ce V et multipli\u00e9 par la diff\u00e9rence de taux de CO2<\/sub> entre l\u2019int\u00e9rieur C et l\u2019ext\u00e9rieur de la chambre E.<\/p>\n\n\n\n

\"\"<\/figure><\/div>\n\n\n\n

On d\u00e9termine alors simplement le taux de CO2<\/sub> maximal atteint en fonction du volume de la chambre, de l\u2019a\u00e9ration et de la production de CO2<\/sub>.<\/p>\n\n\n\n

\"\"<\/figure><\/div>\n\n\n\n
\"\"<\/figure><\/div>\n\n\n\n

Figure 4.1 : Exemple de calcul de l\u2019\u00e9volution du taux de CO2<\/sub> pour diff\u00e9rentes conditions d\u2019a\u00e9ration (L\/s) dans une chambre de 21m\u00b3 pour une dur\u00e9e de 8h (figure extraite du document [6])<\/p>\n\n\n\n

Pour cet article un outil de simulation num\u00e9rique d\u00e9crivant, par des pas de temps discr\u00e9tis\u00e9s,  l\u2019\u00e9volution temporelle du taux de CO2<\/sub> dans une chambre a \u00e9t\u00e9 mis en place (fig 4.2). L\u2019objectif \u00e9tant d’essayer de reproduire les mesures r\u00e9elles de la plateforme EXPE-Smarthouse.<\/p>\n\n\n\n

\"\"<\/figure><\/div>\n\n\n\n

fig 4.2 : simulation de l\u2019\u00e9volution du taux de CO2<\/sub> dans une chambre de 50m\u00b3 et une a\u00e9ration de 5L\/s pour une valeur initiale de 1000 ppm.<\/p>\n\n\n\n

Analyse des r\u00e9sultats<\/strong><\/p>\n\n\n\n

On trace les taux de CO2<\/sub> pour la chambre 2 et 3, le deuxi\u00e8me \u00e9tage et le salon :<\/p>\n\n\n\n

On retrouve un profil de courbe compatible avec le mod\u00e8le th\u00e9orique.<\/p>\n\n\n\n

\"\"<\/figure><\/div>\n\n\n\n

fig 5.1 repr\u00e9sentation des taux de CO2 du 01\/01 au 05\/01<\/p>\n\n\n\n

On constate que tous les capteurs enregistrent plus ou moins longtemps des taux sup\u00e9rieurs \u00e0 la valeur maximale conseill\u00e9e. En particulier la chambre 3 atteint 150% de la valeur normale et la chambre 2 atteint plus de 2000 ppm. La deuxi\u00e8me observation est que le taux de CO2<\/sub> est p\u00e9riodique et subit de brusque variation \u00e0 la baisse environ 1 fois par jour. De plus, pendant certaines heures du jour l\u2019\u00e9volution du taux de CO2<\/sub> est inversement corr\u00e9l\u00e9 entre les 2 chambres et les deux autres pi\u00e8ces. Cette observation est due au d\u00e9placement des personnes entre les pi\u00e8ces. Enfin le taux de CO2<\/sub> augmente plus rapidement dans la chambre 3 que la chambre 2.<\/p>\n\n\n\n

1) Phase ascendante<\/strong><\/p>\n\n\n\n

On consid\u00e8re la p\u00e9riode de 24h (\u20182021-01-01 12:00:00\u2019 \u00e0 ‘2021-01-02 12:00:00’).<\/p>\n\n\n\n

\"\"<\/figure><\/div>\n\n\n\n

fig 5.2 \u00e9tude des taux de CO2<\/sub> centr\u00e9e sur la p\u00e9riode nocturne<\/p>\n\n\n\n

A 20h le taux de CO2<\/sub> dans la chambre 3 est \u00e9gal \u00e0 celui dans la chambre 2 et vaut 1100 ppm. Ensuite en 11h il va passer \u00e0 2100 ppm pour la chambre 2 et 1500 ppm pour la chambre 3. On d\u00e9finit les vitesses moyennes de variation sur la p\u00e9riode nocturne :<\/p>\n\n\n\n

vitesse_chambre2 ~ 86,5 ppm\/h<\/p>\n\n\n\n

vitesse_chambre3 ~ 32 ppm\/h<\/p>\n\n\n\n

En consid\u00e9rant les horaires, on peut supposer que les personnes sont entrain de dormir pendant cet intervalle de temps. La  diff\u00e9rence de la vitesse de variation des taux de CO2<\/sub> peut avoir plusieurs explication :<\/p>\n\n\n\n

  1. Les deux pi\u00e8ces ont un volume et des conditions comparables mais il y a plus de personnes dormant dans la chambre 2.<\/li><\/ol>\n\n\n\n