Domande di sintesi degli argomenti Gestione energetica e automazione negli edifici

Introduzione al corso

Il presente documento è stato creato con lo scopo di riassumere i principali concetti visti nel corso "Gestione energetica e automazione negli edifici" tenuto dal professor Capozzoli nell'anno accademico 2020 - 2021. Per rivedere tutti i concetti sono presentate 39 domande riassuntive dell'intero corso a cui ho cercato di dare una risposta basandomi sugli appunti presi durante il corso. Ovviamente la risposta data è stata fatta da un alunno e non si assicura perciò che essa sia corretta al 100%. Stefano Bonetto

Domande

Caratteristiche e funzionalità di un sistema EMIS

I. Si discutano le principali caratteristiche e funzionalità di un sistema EMIS (Energy Management and Information system) e in particolare i blocchi di cui si compone, la logica di connessione tra di essi e la finalità di ognuno in un processo di gestione energetica e automazione negli edifici.

Digitalizzazione e evoluzione tecnologica di un BACS

II. Si discuta il processo di digitalizzazione ed evoluzione tecnologica di un BACS (Building Automation and Control System) anche con riferimento al ruolo dell'IOT e al concetto di interoperabilità.

Strategie di risparmio energetico nei sistemi di emissione del calore

III. Si discutano le principali strategie di risparmio e ottimizzazione energetica conseguibili nei sistemi di emissione del calore e di distribuzione per mezzo delle funzionalità implementate in un BACS (Building Automation and Control System).

IV. Si discutano le principali strategie di risparmio e ottimizzazione energetica conseguibili nei sistemi di generazione (riscaldamento e raffreddamento) per mezzo delle funzionalità implementate in un BACS (Building Automation and Control System).

V. Si discutano le principali strategie di risparmio e ottimizzazione energetica conseguibili nei sistemi di ventilazione e di condizionamento dell'aria per mezzo delle funzionalità implementate in un BACS (Building Automation and Control System).

VI. Si discutano le principali strategie di risparmio e ottimizzazione energetica conseguibili nei sistemi di illuminazione, di schermatura e di TBM (Technical Building Management) per mezzo delle funzionalità implementate in un BACS (Building Automation and Control System).

Controlli automatici: anello aperto vs. anello chiuso

VII. Discutere le principali differenze tra un controllo automatico ad anello aperto (feedforward) e un controllo ad anello chiuso (feedback). Per i controlli ad anello chiuso si forniscano le definizioni dei principali componenti della catena di controllo e degli sfasamenti temporali connessi (first-order lags e dead time).

VIII. Discutere le principali differenze e caratteristiche tra controlli automatici tradizionali di tipo reattivo e controlli avanzati del tipo predittivo e adattativo nell’ambito dei sistemi di gestione energetica e automazione negli edifici.

IX. Si discutano le principali caratteristiche di controlli di tipo tradizionale reattivi e in particolare del tipo ON-OFF (two positions) e modulante (proporzionale, derivativo, integrativo).

X. Si discutano le principali caratteristiche di controlli di tipo avanzato e in particolare di controlli basati su modelli e su controlli adattativi.

Data Analytics

XI. Si discutano le differenze tra tecniche di data analytics supervisionate e non supervisionate, esplicitando per ciascuna delle due categorie almeno un ambito di utilizzo nel contesto della gestione energetica degli edifici.

XII. Argomentare le potenzialità ed utilità di tecniche di analisi non supervisionata (e.g., cluster analysis) in processi di time series analytics al fine di identificare pattern di consumo energetico tipologici riferiti ad un edificio, e di come ciò possa abilitare specifiche strategie di gestione energetica.

XIII. Descrivere gli step metodologici fondamentali che caratterizzano un processo di identificazione di profili di carico giornalieri tipologici in un edificio considerando l’utilizzo combinato di tecniche non supervisionate (e.g., clustering) e tecniche supervisionate (e.g., classification).

XIV. Definire quali sono i principali iperparametri di un'analisi di clustering gerarchica e di come ciascuno di essi possa influenzare il risultato di segmentazione ottenuto. Per facilitare la descrizione si faccia riferimento ad un problema di identificazione di profili di carico tipologici di un edificio al fine di caratterizzarne i principali trend di consumo.

XV. Descrivere gli step metodologici fondamentali che caratterizzano un processo di Symbolic Aggregate Approximation (SAX) ed argomentare quali vantaggi offre un tale processo di riduzione e trasformazione di serie storiche di consumo energetico nella identificazione di specifici pattern utili a perseguire mirate strategie di gestione energetica.

XVI. Definire, in un'analisi di clustering gerarchica, le principali differenze tra il metodo di aggregazione "single", "complete" ed "average", e proporre un esempio di come alcune peculiarità di uno dei sopracitati algoritmi possa agevolare specifici processi di analisi di serie storiche di consumo energetico degli edifici (e.g., isolare pattern estremali).

XVII. Fornire una definizione di processo non supervisionato basato su regole di associazione, specificare come un dataset deve essere configurato per consentire la loro estrazione, e come e perché esse possano risultare utili in processi di identificazione di anomalie energetiche applicati ai sistemi energetici di un edificio.

XVIII. Definire cosa si intende per problema di regressione e per problema di classificazione discutendo le principali similarità e differenze in un processo di modellazione energetica supervisionata. Proporre inoltre esempi di utilizzo di tali modelli supervisionati nel processo di gestione energetica degli edifici.

XIX. Si discutano le quattro possibili strategie di implementazione di un modello supervisionato predittivo del consumo energetico di un edificio a seguito del processo di allenamento e validazione.

XX. Descrivere le principali tecniche utilizzate nella fase di pre-processamento di serie storiche di dati relativi all’edificio al fine di operare ricostruzione di dati mancanti e identificazione di outlier statistici. Inoltre si discutano le principali cause connesse alla presenza di inconsistenze in data-set risultanti da un processo di monitoraggio energetico.

XXI. Fornire una definizione di modello data-driven di benchmarking e di modello data-driven di forecasting del consumo energetico di un edificio. Discutere quali sono le diverse implicazioni associate a questi due tipi di modelli nel contesto della gestione energetica degli edifici.

XXII. Discutere le differenze tra processi di segmentazione basati su esperienza di dominio, su tecniche non supervisionate e su tecniche di astrazione temporale (e.g. SAX) per la caratterizzazione di serie storiche di consumo energetico di un edificio. Esporre eventuali vantaggi e svantaggi di ogni approccio.

XXIII. Esporre i principali impieghi e obiettivi associati allo sviluppo di modelli di previsione del consumo di energia di un edificio specificando le variabili di ingresso utilizzabili (feature engineering), la scala temporale e la granularità nell’ambito dell’energetica degli edifici. Definire inoltre le principali differenze, vantaggi e svantaggi che sussistono tra modelli previsionali di tipo ingegneristico e completamente data-driven.

XXIV. Si discutano le principali caratteristiche di un modello grey box, i vantaggi e gli svantaggi rispetto ai modelli white e black e le possibili applicazioni nell'ambito di un processo di gestione energetica e automazione negli edifici.

XXV. Fornire una definizione di processo di benchmarking energetico esponendone i principali vantaggi nell’ambito della gestione energetica degli edifici.

XXVI. Fornire una classificazione dei processi di benchmarking data-driven (e.g., interno-esterno, statistici-basati su tecniche di data analytics, basati su indici prestazionali-profili di carico) ed esporre per ciascuna classe le principali caratteristiche e finalità.

XXVII. Si fornisca una definizione di processo di benchmarking energetico interno, esplicitandone obiettivi e principali applicazioni nell’ambito della gestione energetica degli edifici.

XXVIII. Si fornisca una definizione di processo di benchmarking esterno, esplicitandone obiettivi e principali applicazioni nell’ambito della gestione energetica degli edifici.

XXIX. Si fornisca una descrizione dei principali step metodologici che caratterizzano il processo di benchmarking esterno statistico denominato "Energy star" definendone i principali scopi applicativi nell’ambito della gestione energetica degli edifici.

XXX. Si discutano le caratteristiche dei modelli di regressione lineari utilizzati per condurre processi di benchmarking interno (modelli a 2 o più parametri) e in particolare per la verifica del risparmio energetico conseguente ad azioni di riqualificazione.

XXXI. Fornire una descrizione del processo di costruzione di un modello di regressione lineare definito firma energetica, argomentare i suoi principali utilizzi nell’ambito della gestione energetica degli edifici e specificare come i parametri di una firma energetica di un edificio possano essere interpretati da un punto di vista fisico tecnico.

XXXII. Discutere come un modello di regressione lineare definito firma energetica possa essere utilizzato per condurre analisi di valutazione del risparmio energetico conseguito a valle di un intervento di riqualificazione di un edificio. Descrivere come un intervento di riqualificazione dell’involucro, di efficientamento dell’impianto di riscaldamento e di modifica del set-point possano produrre specifici effetti sulla firma energetica valutata nelle condizioni di post-retrofit.

XXXIII. Si discutano i principali vantaggi connessi all’utilizzo di tecniche di data analytics per condurre processi di benchmarking esterno sia relativi alla prestazione energetica globale per mezzo di indicatori, sia relativi alla forma del profilo di carico energetico.

XXXIV. Esporre i principali step metodologici alla base della identificazione di profili di carico tipologici in un portafoglio di edifici (benchmarking esterno) con riferimento ad un processo basato su tecniche di data analytics. Argomentare le maggiori implicazioni di questo processo a livello di gestione energetica e in particolare per la classificazione degli utenti (i.e., customer classification).

XXXV. Fornire una definizione del processo informativo di Fault Detection and Diagnosis (FDD) con specifico riferimento ad applicazioni di gestione energetica degli edifici e dei loro sistemi impiantistici. Esporre inoltre i principali step metodologici alla base di un processo di FDD basato su modellazione data-driven.

XXXVI. Fornire una definizione dei principali approcci perseguibili in analisi di Fault Detection and Diagnosis (FDD) (i.e., approccio quantitativo, qualitativo e basato su dati storici) esplicitandone vantaggi e svantaggi.

XXXVII. Descrivere e discutere un processo di Fault Detection and Diagnosis (FDD) nell'ambito della gestione energetica degli edifici e le principali metriche di prestazione di tale processo.

XXXVIII. Fornire una definizione di comportamenti adattativi e non adattativi dell'occupante in un edificio e discutere le implicazioni legate alla caratterizzazione del comportamento degli occupanti per l'ottimizzazione della gestione energetica degli edifici. Fornire qualche esempio esplicativo.

XXXIX. Discutere i principali vantaggi connessi alla modellazione data-driven di processi legati direttamente o indirettamente al comportamento dell'occupante e ai profili occupazionali nell'ambito della modellazione della prestazione energetica degli edifici.

Risposte

Sistema EMIS

I. Un sistema di energy management and information system (EMIS) è un sistema comprendente sia la parte hardware che la parte software in grado di raccogliere dati sia a livello di meter che di componente, analizzarli e dare un output sia di tipo informativo sia di tipo attuativo. Esso è composto da vari sottocomponenti: il BACS (building automation and control system), l' FDD (fault detection and diagnosis), l' ASO (automated system optimization), il benchmarking and utility bill analysis, l' EIS (energy information system) e l' AEIS (advanced energy information system).

I primi tre (BACS, FDD, ASO) sono componenti che agiscono a livello di componente specifico mentre i restanti tre agiscono a livello di meter dunque hanno bisogno di un'infrastruttura hardware aggiuntiva. I BACS dal punto di vista dei processi informativi operano processi informativi molto semplici, ad esempio l'analisi delle bollette oppure semplici analisi basate sui concetti classici di statistica. Essi possono avere anche semplici funzioni di allarming.

L' FDD invece utilizza molta intelligenza artificiale, dicendo in tempo reale se c'è qualche anomalia al determinato componente o sistema. Sia il BACS che l' FDD hanno output informativi. L' ASO non ha più un output informativo ma ha un output caratterizzato da un segnale di controllo. Il segnale di controllo dell'ASO deriva da processi di ottimizzazione basati su modelli di intelligenza artificiale.

Il benchmarking and utility bill analysis, l' EIS e l'advanced EIS hanno output informativi. Essi informano l'energy manager o l'utente quando si supera una soglia con una certa gravità, altrimenti se fossero troppo insistenti la persona tenderebbe a disabilitarli. Essi hanno bisogno di un'ulteriore infrastruttura hardware da aggiungersi a quella del BACS. L'advanced EIS si differenzia dall' EIS perché oltre alla statistica utilizza anche processi di data analytics.

L' ASO e il BACS sono collegati in maniera bidirezionale, in quanto il BACS raccoglie informazioni e con semplici analisi statistiche le invia all'ASO il quale dopo averle elaborate approfonditamente con tecniche di data analytics le rimanda al BACS. Quest'ultimo pensa poi in maniera monodirezionale a inviare le informazioni agli altri componenti (FDD, EIS, AEIS e benchmarking and utility bill analysis). Infatti questi ultimi sono in grado solo di ricevere informazioni dal BACS e dopo averle elaborate generano output informativi. Ovviamente il BACS è uno strumento che può esistere da solo (ha sia un output informativo sia la capacità di svolgere semplici analisi).

Evoluzione tecnologica dei BACS

II. Recentemente l'automazione degli edifici ha avuto una notevole spinta e sta evolvendo rapidamente. Grazie a sempre nuovi e più approfonditi studi, sta cambiando la concezione stessa di automazione e si stanno scoprendo nuove funzionalità. Dunque anche i BACS stanno evolvendo.

Infatti in passato l'automazione si basava semplicemente su connessioni mediante semplici segnali elettrici. Con l'avvento della comunicazione tramite bus si è passati a un'infrastruttura in cui un'unità master leggeva semplicemente la memoria di dispositivi slave, i quali subivano in maniera passiva la comunicazione. Più recentemente si è sviluppato il concetto di oggetti software che interagiscono tra loro, distribuendo così l'intelligenza del sistema. Ciò ha aperto le porte all'internet of things. Si sono creati così dei digital twin, cioè set di informazioni che rappresentano un dispositivo e permettono di interagire con esso anche se si trova in un altro continente.

Il digital twin è quindi sincronizzato col dispositivo mentre altre infrastrutture esterne si preoccupano di fare qualcosa con le informazioni contenute in questa infrastruttura. Essendo che il singolo digital twin risiede in una infrastruttura di rete che può essere implementata da diverse aziende, nasce la necessità dell'interoperabilità. Infatti è utile che i BACS siano sistemi aperti cioè sistemi di cui sono note le interfacce di comunicazione e il comportamento. Affinché però il determinato BACS sia interoperabile, oltre ad essere aperto deve anche utilizzare regole adottate da un pubblico ampio e non ristretto.

Strategie di risparmio e ottimizzazione energetica

III. Tramite un BACS si possono conseguire diverse strategie di risparmio e ottimizzazione energetica. Nei sistemi di emissione del calore la prima strategia che può essere messa in atto è quella in cui il BACS ha accesso a un sensore di temperatura esterna e regola l'emissione del calore in base ad essa, trascurando tutti gli apporti gratuiti interni. Questo quindi è un controllo “cieco”.

Un'altra alternativa è quella di far riferimento non più a sensori di temperatura esterni ma a sensori di temperatura interni presenti in ogni locale, come per esempio le valvole termostatiche. In virtù della temperatura misurata si va a strozzare opportunamente la valvola a due vie che permette il passaggio del fluido termovettore. Questa metodologia tiene conto indirettamente del fatto che all'interno del locale possano esserci apporti gratuiti ad esempio la radiazione solare. L'ultima alternativa è quella di monitorare l'occupazione tramite sensori a infrarossi o sensori che misurano la CO₂ presente in ambiente. Con questo metodo, nel caso i terminali abbiano poca inerzia (come per esempio i fancoil), si può pensare di variare l'emissione non appena gli occupanti escono dalla stanza.

Per quanto riguarda il sistema di distribuzione, anche per esso la prima strategia è quella della compensazione climatica. Strategia più efficace è invece la demand-based control, cioè il controllo in base alle condizioni dell'ambiente interno. Nel caso in cui la temperatura di immissione del fluido termovettore del sistema di generazione sia fissa, gli unici interventi che si possono fare sono quelli di miscelazione con una valvola a tre vie e di riduzione della portata.

L'altra opportunità è quella di agire sulle pompe di circolazione, tramite l'on-off oppure controllando la pompa a velocità variabile mantenendo costante il Δp al decrescere del carico oppure facendo variare il Δp man mano che il carico decresce, riducendo ancora di più la velocità della pompa e quindi i consumi elettrici. Una particolare strategia è la demand programming. Se una percentuale significativa di...