Domande di sintesi degli argomenti Gestione energetica e automazione negli edifici

DOMANDEI

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.

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.

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).

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).

1. Si discutano le principali strategie di risparmio e ottimizzazione energetica conseguibili nei sistemi ventilazione e di condizionamento dell'aria per mezzo delle funzionalità implementate in un BACS (Building Automation and Control System).
2. 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).
3. 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 dei sfasamenti temporali connessi (first-order lags e dead time).
4. 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 digestione 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.

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

XVI. Definire, in una 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

1. 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.
2. 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 allapresenza di inconsistenze in data-set risultanti da un processo di monitoraggio energetico.
3. 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.
4. Discutere le differenze tra processi di

1. 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.
2. 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.
3. 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.
4. 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-profilidi 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, si discutono 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.

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.

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 dimodifica del set-point possano produrre specifici effetti sulla firma energetica valutatanelle condizioni di post-retrofit.

XXXIII. Si discutano i principali vantaggi connessi all'utilizzo di tecniche di data analytics percondurre processi di benchmarking esterno sia relativi alla prestazione energeticaglobale 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 caricotipologici in un portafoglio di edifici (benchmarking esterno) con riferimento ad unprocesso basato su tecniche di data analytics. Argomentare le maggiori implicazioni diquesto processo a livello di gestione energetica e in particolare per la classificazione4 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

XXXVI. Approcci in analisi di Fault Detection and Diagnosis (FDD)

Un'analisi di Fault Detection and Diagnosis (FDD) può essere affrontata utilizzando diversi approcci:

1. Approccio quantitativo: si basa sull'utilizzo di modelli matematici e algoritmi per identificare e diagnosticare i guasti. Vantaggi: fornisce risultati precisi e quantitativi. Svantaggi: richiede una conoscenza approfondita del sistema e può essere computazionalmente complesso.
2. Approccio qualitativo: si basa sull'analisi delle relazioni causali tra le variabili del sistema per identificare i guasti. Vantaggi: è più semplice da implementare e richiede meno risorse computazionali. Svantaggi: fornisce risultati meno precisi e non quantitativi.
3. Approccio basato su dati storici: si basa sull'analisi dei dati storici per identificare i guasti. Vantaggi: non richiede modelli matematici complessi e può essere applicato anche a sistemi complessi. Svantaggi: può essere influenzato da dati non rappresentativi o non corretti.

XXXVII. Processo di Fault Detection and Diagnosis (FDD) nell'ambito della gestione energetica degli edifici

Un processo di Fault Detection and Diagnosis (FDD) nella gestione energetica degli edifici comprende i seguenti step metodologici:

1. Raccolta dei dati: acquisizione dei dati relativi al consumo energetico e alle variabili del sistema impiantistico.
2. Preprocessing dei dati: pulizia e normalizzazione dei dati per eliminare eventuali errori o dati anomali.
3. Modellazione dei dati: creazione di modelli basati sui dati storici per identificare i guasti.
4. Analisi dei dati: analisi dei modelli per individuare eventuali anomalie o guasti nel sistema.
5. Diagnosi dei guasti: identificazione e classificazione dei guasti individuati.
6. Intervento correttivo: implementazione delle azioni correttive per risolvere i guasti.

XXXVIII. Comportamenti adattativi e non adattativi dell'occupante in un edificio

Il comportamento dell'occupante in un edificio può essere classificato come adattativo o non adattativo:

• Comportamento adattativo: l'occupante si adatta alle condizioni ambientali e regola il proprio comportamento in base a fattori come la temperatura, l'illuminazione, etc. Questo comportamento può influenzare il consumo energetico dell'edificio.
• Comportamento non adattativo: l'occupante non si adatta alle condizioni ambientali e mantiene un comportamento costante indipendentemente dalle condizioni. Questo comportamento può rendere difficile l'ottimizzazione della gestione energetica dell'edificio.

XXXIX. Vantaggi della modellazione data-driven di processi

La modellazione data-driven di processi presenta diversi vantaggi:

• Non richiede una conoscenza approfondita del sistema.
• Può essere applicata anche a sistemi complessi.
• È basata sui dati storici, quindi tiene conto delle condizioni reali del sistema.
• È più flessibile e adattabile rispetto ai modelli matematici tradizionali.

legati direttamente o indirettamente al comportamento dell'occupante e ai profili